羅菊香

摘要：從增強(qiáng)類標(biāo)簽和標(biāo)注關(guān)聯(lián)性出發(fā)進(jìn)行驗(yàn)證研究，提出了一個(gè)類標(biāo)簽生成直接來自圖像主題同時(shí)做圖像分類和標(biāo)注的概率主題模型，即改進(jìn)的Mca-sLDA模型。給出了基于變分EM算法的模型參數(shù)推導(dǎo)過程以及使用該模型分類和標(biāo)注圖像的方法，并在兩個(gè)真實(shí)數(shù)據(jù)集上對(duì)模型的分類和標(biāo)注性能進(jìn)行了驗(yàn)證。

關(guān)鍵詞：圖像分類和標(biāo)注;變分EM;Mca-sLDA模型

中圖分類號(hào)：TP391 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1008-4657（2020）05-0073-09

0 引言

計(jì)算機(jī)視覺在人工智能和深度學(xué)習(xí)的背景下又一次正在經(jīng)歷蓬勃發(fā)展，圖像分類和標(biāo)注[1]作為計(jì)算機(jī)視覺的關(guān)鍵技術(shù)也伴隨著相應(yīng)的挑戰(zhàn)。圖像分類是指自動(dòng)的給圖像分配類標(biāo)，圖像標(biāo)注是指用關(guān)鍵詞描繪圖像中出現(xiàn)的事物或某些區(qū)域。圖像的分類和標(biāo)注技術(shù)在文本檢索、圖像信息管理、模式識(shí)別與機(jī)器學(xué)習(xí)等領(lǐng)域都具有重要的理論意義[2-3]。當(dāng)今，圖像標(biāo)注和分類問題已經(jīng)成為計(jì)算機(jī)視覺中的研究熱點(diǎn)。

隨著詞袋特征[4]的出現(xiàn)，概率主題模型的圖像標(biāo)注和分類算法[5-13]近年來受到研究人員和學(xué)者的廣泛關(guān)注，并已成為圖像標(biāo)注和分類問題研究領(lǐng)域的一個(gè)主要工作。近年來研究人員已經(jīng)做了大量工作，包括基于概率主題模型的圖像標(biāo)注方法[5-8]，基于概率主題模型的圖像分類研究[9-11]，基于概率主題模型的同時(shí)做圖像分類和標(biāo)注模型[12-14]。

文獻(xiàn)[5]在Corr-LDA模型的基礎(chǔ)上利用圖像類別來改進(jìn)圖像的標(biāo)注性能。Xu等[6]提出了圖像標(biāo)注的Corr-CTM模型，該模型以Corr-LDA模型為基礎(chǔ)引入了主題之間的相關(guān)性。文獻(xiàn)[8]將圖像視覺特征、環(huán)繞文本以及實(shí)體抽取所得到的能夠描述圖像中顯著特征的詞在概率主題模型中進(jìn)行聯(lián)合建模，學(xué)習(xí)到多種數(shù)據(jù)模態(tài)之間的關(guān)聯(lián)關(guān)系。sLDA-bin模型是Putthividhya等[9]將sLDA模型和Corr-LDA模型結(jié)合提出的做圖像分類的概率主題模型。近年，神經(jīng)主題模型的圖像標(biāo)注和分類研究也相繼展開。如無監(jiān)督神經(jīng)網(wǎng)絡(luò)DocNADE模型[11]，模型能夠?qū)崿F(xiàn)文檔的檢索與分類任務(wù)。Mca-sLDA模型[12]是CVPR會(huì)議上提出的同時(shí)做圖像分類和標(biāo)注的經(jīng)典模型。文獻(xiàn)[13]在Mca-sLDA的基礎(chǔ)上提出了一個(gè)類標(biāo)和標(biāo)注相互促進(jìn)的同時(shí)做圖像分類和標(biāo)注的模型。DocNADE的擴(kuò)展模型SupDocNADE[14]模型可以對(duì)圖像詞、文本詞及類別進(jìn)行共同學(xué)習(xí)。

上述工作基于不同目的都取得了相對(duì)較好的性能。到目前為止，同時(shí)做圖像分類和標(biāo)注的工作相對(duì)較少，且大多是基于Mca-sLDA模型做的改進(jìn)，注意到該模型中類標(biāo)簽和標(biāo)注只是通過潛主題連接，這也就使得類標(biāo)簽和標(biāo)注之間的關(guān)聯(lián)性有一定限制，對(duì)于從增強(qiáng)類標(biāo)簽和標(biāo)注關(guān)聯(lián)性出發(fā)進(jìn)行的驗(yàn)證研究還比較欠缺。

1 Mca-sLDA模型

Mca-sLDA通過模型潛主題Z連接標(biāo)注模型Corr-LDA和有監(jiān)督主題模型Mc-sLDA實(shí)現(xiàn)同時(shí)執(zhí)行圖像分類和標(biāo)注的功能。

模型用到的符號(hào)及其意義如表1所示。

2 基于改進(jìn)的Mca-sLDA模型同時(shí)做圖像分類和標(biāo)注的方法

本文在研究基于概率主題模型做圖像分類和標(biāo)注課題時(shí)注意到Mca-sLDA模型中類標(biāo)簽和標(biāo)注只是通過潛主題Z連接，類標(biāo)簽和標(biāo)注之間的關(guān)聯(lián)性較弱。為此，本文對(duì)Mca-sLDA模型進(jìn)行改進(jìn)，新模型文本主題是按圖像主題分布從已抽取的圖像主題中抽取，模型類標(biāo)簽直接從文本主題中生成，提出了一個(gè)類標(biāo)簽生成直接來自圖像主題同時(shí)做圖像分類和標(biāo)注的概率主題模型，模型簡稱為P-Mca-sLDA模型。本文推導(dǎo)了模型的參數(shù)估計(jì)算法，同時(shí)也給出了利用該模型分類和標(biāo)注圖像的方法，真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)也驗(yàn)證了模型的分類和標(biāo)注性能得到了改進(jìn)。

P-Mca-sLDA模型用到的符號(hào)及其所表示意義如表1所示，令E=v，w，c表示可觀測(cè)變量，Δ=α，π，β，μ表示模型參數(shù)，ω=γ，φ，ρ表示變分參數(shù)。

模型具體生成過程如下：

模型的生成過程：從潛主題中生成圖像，在已抽取的圖像主題中按圖像主題分布抽取文本主題，同時(shí)生成圖像詞和類標(biāo)簽，類標(biāo)簽生成過程的主題直接來自文本主題，這就使類標(biāo)簽和標(biāo)注的關(guān)聯(lián)性增強(qiáng)。

3 P-Mca-sLDA模型參數(shù)求解與圖像分類和標(biāo)注

3.1 變分E步驟

3.1.1 計(jì)算后驗(yàn)Dirichlet參數(shù)γ

3.1.2 計(jì)算參數(shù)φ

3.1.3 計(jì)算參數(shù)ρ

3.2 變分M步驟

經(jīng)過E步驟，可求得變分參數(shù)ω=γ，φ，ρ的值。在M步驟中，固定變分參數(shù)ωd=γ，φ，ρ，d∈1，2，3，...，D，相對(duì)于模型參數(shù)Δ=α，π，β來最大化集合D上的log似然。即最大化

3.2.1 求解模型參數(shù)π

3.2.2 求解模型參數(shù)β

3.2.3 確定模型參數(shù)α：

本文沒有對(duì)α進(jìn)行優(yōu)化，多次實(shí)驗(yàn)發(fā)現(xiàn)，將α設(shè)置成全為1的向量，模型性能較好。

3.2.4 確定模型參數(shù)μ：

3.3 圖像的分類與標(biāo)注

測(cè)試集中的圖像沒有標(biāo)記類標(biāo)和標(biāo)注。對(duì)于分類，使用文本的主題頻次P-分類圖像，概率最大的類標(biāo)將被作為此圖像的類，也就是使得μTP-的期望最大時(shí)的類標(biāo)。即確定類的公式如下該預(yù)測(cè)程序使主題頻次的均值的期望代替圖像的原始特征。每個(gè)類別有一個(gè)對(duì)應(yīng)的的參數(shù)μ，與該圖像最相近的類別會(huì)分派給這個(gè)預(yù)測(cè)圖像。

4 實(shí)驗(yàn)結(jié)果與分析

為評(píng)估Mca-sLDA模型的分類和標(biāo)注性能，本文在LabelMe和UIUC-Sport兩個(gè)真實(shí)數(shù)據(jù)集上進(jìn)行相關(guān)實(shí)驗(yàn)。分別采用分類平均準(zhǔn)確度和F值來評(píng)價(jià)模型的分類和標(biāo)注性能。