Active Learning on Sparse Graph for Image Annotation

최초 등록일
2017.09.07
최종 저작일
2017.09
13페이지/파일확장자 어도비 PDF
가격 4,800원 할인쿠폰받기
판매자한국학술정보(주)
다운로드
장바구니
자격시험 이용후기 이벤트

* 본 문서는 배포용으로 복사 및 편집이 불가합니다.

서지정보

발행기관 : 한국인터넷정보학회 수록지정보 : KSII Transactions on Internet and Information Systems (TIIS) / 6권 / 10호
저자명 : ( Minxian Li ) , ( Jinhui Tang ) , ( Chunxia Zhao )

영어 초록

Due to the semantic gap issue, the performance of automatic image annotation is still far from satisfactory. Active learning approaches provide a possible solution to cope with this problem by selecting most effective samples to ask users to label for training. One of the key research points in active learning is how to select the most effective samples. In this paper, we propose a novel active learning approach based on sparse graph. Comparing with the existing active learning approaches, the proposed method selects the samples based on two criteria: uncertainty and representativeness. The representativeness indicates the contribution of a sample`s label propagating to the other samples, while the existing approaches did not take the representativeness into consideration. Extensive experiments show that bringing the representativeness criterion into the sample selection process can significantly improve the active learning effectiveness.

참고 자료

없음

자료문의

제휴사는 별도로 자료문의를 받지 않고 있습니다.

판매자 정보

한국학술정보(주)는 콘텐츠 제작에 도움이 되는 솔루션을 기반으로 풍부한 문화 콘텐츠를 생성하여 새로운 삶의 가치를 창조합니다.

본 학술논문은 한국학술정보(주)와 각 학회간에 저작권계약이 체결된 것으로 AgentSoft가 제공 하고 있습니다.
본 저작물을 불법적으로 이용시는 법적인 제재가 가해질 수 있습니다.

찾던 자료가 아닌가요?아래 자료들 중 찾던 자료가 있는지 확인해보세요

더보기
우수 콘텐츠 서비스 품질인증 획득
최근 본 자료더보기
Active Learning on Sparse Graph for Image Annotation