Image classification using the web graph
Image classification using the web graph
复制标题
使用网络图进行图像分类
DOI：
--
复制
发表时间：
2010
期刊：
影响因子：
--
通讯作者：
M. Slaney
中科院分区：
文献类型：
--
作者：
D. Mahajan;M. Slaney
图像分类是计算机视觉领域研究较多的难题。我们扩展了一个经过验证的解决方案，用于分类网络垃圾邮件来处理图像。我们利用网络图的链接结构：与给定类别相关的网页通常链接到描述相关对象的其他页面。我们的方法将来自网络图结构的信息与来自所有未标记图像的半监督学习相结合，为多媒体数据创建了一个优越的图像分类模型。我们表明，在成人图像分类实验中，融合图像、文本和网络图特征（在ROC曲线下的区域）比单独的内容特征提高了12%。
Image classification is a well-studied and hard problem in computer vision. We extend a proven solution for classifying web spam to handle images. We exploit the link structure of the web graph: a web page related to a given category is normally linked to other pages describing related objects. Our approach combines information from the webgraph structure with semi-supervised learning from all the unlabeled images to create a superior image-classification model for multimedia data. We show that fusing image, text and web-graph features gives a 12% improvement (in the area under the ROC curve) over content features alone in an adult image-classification experiment.