基于图模型的图像标注+文献综述(3)
其次，正是因为用户图片数量的大幅度增加，相关的互联网图片共享网站也得到了飞速发展。当用户将这些图片上传至共享网站时，经常会在图片上添加一些具有标注性的词语来描述他们所上传的图像，如人物、时间、事件等。从某个方面来说，通过用户所提供的标注词能够有效地减少整个标注过程所需的财力和人力，所以如何才能有效地使用户所提供的标注词对图像标注的这一过程得到帮助将成为了一个十分具有挑战的任务。
此外，尽管许多用户可以增加一些标注词对将要上传的图像进行描述，但是对于普通用户来讲，增加标注词仍旧是一项十分费力的任务，就用户自身来说，它们并不愿意做这种事情。目前，为了能够使用户工作量减少，由图像内容本身进行推断，系统将会自动给用户推荐一些有可能的标注词。此外，因为每个用户都具有不同特点，所以对于同一图像来说，不同用户所选的标注词也经常是有所差异的。所以，个性化的标注词推荐技术则成为一项很有前景的工作，依据用户的自身特点，对不同用户推荐相关标注词。这不但能够向用户进行推荐更为满意的标注词，而且也能够让越来越多的用户参与进此工作中来，从而使图像标注技术不断向前发展。
1.2 本论文研究的内容
本论文主要针对基于三种图模型的图像标注技术进行研究，其中三种图模型分别为KNN算法、稀疏图方法以及K近邻稀疏图方法。研究的主要内容有：如何利用三种图模型构建相似图、如何得到标注状态矩阵、对三种图模型的图像标注的效果进行比较以及分析。
1.3 本文结构
本论文的组织结构如下：第二章将会介绍一些图像标注的背景知识，及其相关领域的发展和研究现状。第三章将会对解决方案的框架设计以及具体解决过程进行描述。第四章将会对实验的内容、实验的设置以及实验所得到的结果进行分析比较。第五章将会是对全文的总结，其中包含对研究课题的解决以及未解决的问题。
上一篇：过程日志修复算法实现+文献综述
下一篇：基于安卓手机的机器人遥控软件设计