【摘要】在当今这个信息爆炸的社会,互联网在极大地方便了人们搜索信息的同时,也存在着一定的问题。如何从这些浩如星海的信息中检索到对自己有用的部分,这就涉及到检索与分类的问题。图像的分类与标注一直是计算机视觉与机器学习领域的重点内容,作为获取图像语义信息的重要手段而有着广泛的应用。随着科技的进步及拍摄工具的普及,越来越多的人们将自己喜欢及感兴趣的图像上传到网络上与人共享,也有越来越多的人们会通过互联网 […]

【摘要】在许多实际问题中,待分类样本的标记是不确定的。本文研究的是机器学习中从有歧义的样本中进行学习的一个框架,即多示例学习。在多示例学习中,每一个样本被称做一个包,每个包可以含有任意数量个示例。如果包中包含一个或多个正示例,那么这个包就是正包；只有在包中所有的示例都是反示例的情况下,这个包才被称为反包。由于示例本身是没有标记的,因此,在多示例问题中,每一个正包都是一个有歧义的对象。正包中包含的大 […]

【摘要】随着计算机网络,存储压缩技术的发展以及智能移动设备的普及,视觉信息大量涌现,呈现海量特征,如何对海量视觉信息数据进行有效地组织,管理以及检索,成为了科研以及商业领域急需解决的问题。语义清晰是大规模视觉信息管理的前提和基础,因此根据视觉信息数据的语义标注研究具有十分重要的理论以及实践意义,吸引了越来越多的研究人员的目光,成为了当前的热门研究方向。早期的视觉信息标注依靠人工来完成,人工标注费时 […]