کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
412795 | 679683 | 2010 | 9 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Improving image annotation via representative feature vector selection
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
موضوعات مرتبط
مهندسی و علوم پایه
مهندسی کامپیوتر
هوش مصنوعی
پیش نمایش صفحه اول مقاله

چکیده انگلیسی
How to bridge the semantic gap is currently a major research problem in Content-Based Image Retrieval (CBIR). Most applications are based on supervised machine-learning classifiers to match images with their related categories. Noisy training information has resulted in current systems having low accuracy, especially when using large numbers of vocabulary categories. In this paper, we describe the use of the Information Gain (IG) and AdaBoost learning algorithms for noise and outlier information filtering in the system training stage, thus improving the performance of image classification. Our experiments look at different numbers of target categories and image segmentation schemes.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Neurocomputing - Volume 73, Issues 10–12, June 2010, Pages 1774–1782
Journal: Neurocomputing - Volume 73, Issues 10–12, June 2010, Pages 1774–1782
نویسندگان
Wei-Chao Lin, Michael Oakes, John Tait,