MLRank: Multi-correlation Learning to Rank for image annotation
MLRank: Multi-correlation Learning to Rank for image annotation
复制标题
MLRank：图像标注的多相关学习排名
DOI：
10.1016/j.patcog.2013.03.016
复制
发表时间：
2013-10
影响因子：
8
通讯作者：
Lu, Hanqing
中科院分区：
文献类型：
--
作者：
Li, Zechao;Liu, Jing;Xu, Changsheng;Lu, Hanqing
在本文中，我们将图像标注描述为多相关学习排序(MLRank)问题，即考虑视觉相似性和语义相关性对标签与图像的相关性进行排序。与典型的学习排序算法不同，我们假设排序对象是独立的，我们试图通过探索“视觉相似性”和“语义相关性”之间的一致性来对关系数据进行排序。一致性意味着相似的图像通常用相关的标签来标注，以反映相似的语义主题，反之亦然。我们将这两种情况分别定义为图像偏差一致性和标签偏差一致性，并将这两种情况都转化为排序学习的优化问题。为了得到排序模型的显式解，我们通过两种方式对优化问题进行松弛，分别以不同的顺序附加对应于图像偏向和标签偏向一致性的约束，从而得到统一的排序模型。实验结果表明，提出的MLRank方法在Corel5K、IAPR TC12和NUS范围内的三个基准测试上的性能优于最新标准。
In this paper, we formulate image annotation as a Multi-correlation Learning to Rank (MLRank) problem, i.e., ranking the relevance of tags to an image considering the visual similarity and the semantic relevance. Unlike typical learning to rank algorithms, which assume that the ranking objects are independent, we attempt to rank relational data by exploring the consistency between “visual similarity” and “semantic relevance”. The consistency means that similar images are usually annotated with relevant tags to reflect similar semantic themes, and vice versa. We define the two cases as the image-bias consistency and the tag-bias consistency respectively, which are both formulated into the optimization problem for rank learning. To obtain an explicit solution of the ranking model, we relax the optimization problem in two manners by attaching the constraints corresponding to the image-bias and tag-bias consistency with different sequential orders respectively, which lead to a uniform ranking model. Experimental results show that the proposed MLRank method outperforms the state-of-the-arts on three benchmarks including Corel5K, IAPR TC12 and NUS-WIDE.
登录
查看更多内容
DOI：
10.1145/1291233.1291380
发表时间：
2007-09
期刊：
Proceedings of the 15th ACM international conference on Multimedia
影响因子：
--
作者：
J. Liu;Bin Wang-;Mingjing Li;Zhiwei Li;Wei-Ying Ma;Hanqing Lu;Songde Ma
通讯作者：
J. Liu;Bin Wang-;Mingjing Li;Zhiwei Li;Wei-Ying Ma;Hanqing Lu;Songde Ma
DOI：
10.1109/cvpr.2004.171
发表时间：
2004-06
期刊：
Proceedings of the 2004 IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2004. CVPR 2004.
影响因子：
--
作者：
Shaolei Feng;R. Manmatha;V. Lavrenko
通讯作者：
Shaolei Feng;R. Manmatha;V. Lavrenko
DOI：
10.1109/iccv.2009.5459266
发表时间：
2009-09
期刊：
2009 IEEE 12th International Conference on Computer Vision
影响因子：
--
作者：
M. Guillaumin;Thomas Mensink;J. Verbeek;C. Schmid
通讯作者：
M. Guillaumin;Thomas Mensink;J. Verbeek;C. Schmid
DOI：
10.5244/c.25.1
发表时间：
2011
期刊：
--
影响因子：
--
作者：
S. Moran;V. Lavrenko
通讯作者：
S. Moran;V. Lavrenko
DOI：
10.1145/2072298.2071944
发表时间：
2011-11
期刊：
Proceedings of the 19th ACM international conference on Multimedia
影响因子：
--
作者：
Jun Imura;Teppei Fujisawa;T. Harada;Y. Kuniyoshi
通讯作者：
Jun Imura;Teppei Fujisawa;T. Harada;Y. Kuniyoshi