多媒體內容分析中的語義距離測度學習及應用.pdf

1、尋找好的距離測度是模式識別和機器學習領域的一個重要問題，并且被廣泛應用于圖像與視頻的檢索、生物計量學、圖像自動標注等許多方面。但是，按照人的思考方式衡量數據的相似程度，填補數據低層特征和高層語義之間的鴻溝仍然是極具挑戰(zhàn)的課題。本文介紹了定義和學習距離測度的研究與發(fā)展現(xiàn)狀，著重介紹了監(jiān)督測度學習和協(xié)方差測度及其流形解釋，并在以下幾個方面做了探索性工作：1.在監(jiān)督測度學習的基礎上，提出了一種新的學習數據語義測度的框架。算法通過定義標注測量尋

2、找數據的語義近鄰，利用測度學習維持數據間的近鄰關系，同時減少非語義近鄰之間的相互影響。樣本的低層特征空間和高層語義空間可以通過一個線性映射聯(lián)系起來，且不需要關于數據分布或內在結構的先驗知識。在訓練樣本數目不多的情況下，也可以得到好的結果。該算法可以作為預處理過程，嵌入到幾乎所有的機器學習算法中。不僅可以用于分類和聚類問題，對回歸問題也同樣適用。2.基于圖像塊的協(xié)方差矩陣，提出了一種基于模板匹配識別視頻中特定動作的方法。對缺乏訓練樣本，周

3、圍環(huán)境較復雜的實際監(jiān)控視頻的分析，取得了較好的結果。同樣該協(xié)方差矩陣可以轉化為特征向量，嵌入到絕大多數機器學習算法中。另一方面，在確定了事件發(fā)生區(qū)域的前提下，視頻流形曲線可以用來近似運動軌跡，進而分析某些關鍵動作的起止幀。在FG_NET人臉數據庫上的實驗驗證了我們提出算法的有效性。所學測度可以清晰地刻畫出人的老化趨勢。即使通過簡單的kNN回歸，也可以得到與目前最好算法相比擬的年齡估計結果；所提出的基于協(xié)方差測度的模板匹配方法在TRECV