.png){kind=icon}
返回
Probabilistic semantic component descriptor
.png){kind=icon}
PRE
AI
DOI：10.1007/s11042-011-0726-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了概率语义成分描述符 (PSCD)，用于自动提取一组图像中的语义信息。PSCD的基本思想是首先识别与一组图像中的区域相关联的隐藏语义概念的种类，然后通过集成图像中区域的隐藏概念来构造基于图像的描述符。首先，将图像中区域的低级特征量化为一组视觉单词。使用无监督方法概率潜在语义分析将用于表示区域特征和隐藏在图像中的高级概念的视觉单词链接在一起。视觉单词和图像的链接建立在整个图像集上，因此提取了描述每个区域的一组隐藏概念。接下来，消除具有不可靠概念的区域，然后通过在图像的其余区域中传播隐藏概念的概率来构造每个图像的PSCD。我们还提供了定量实验来证明我们提出的PSCD的性能。
Keyword:
Probabilistic latent semantic analysis
Visual words
Semantic gap
Hidden concepts
期刊
IF:
3
论文数:
2.0W
被引数:
3.2W
机构
引用论文
.png){kind=icon}
分享收藏
Dynamic Changes in Myofibroblasts Affect the Carcinogenesis and Prognosis of Bladder Cancer Associated With Tumor Microenvironment Remodeling肌成纤维细胞的动态变化与肿瘤微环境重塑对膀胱癌发生及预后的影响
OAAI
OAAI分享收藏分享收藏
查看更多内容