Content-based image retrieval using feature weighting and C-means clustering in a multi-label classification framework

In diesem Beitrag wird ein neuartiger Lernalgorithmus vorgeschlagen, der auf der Gewichtung von Merkmalen beruht, um die Leistung von Bildklassifikations- oder Abrufsystemen in einem Multi-Label-Framework zu verbessern. Ziel ist es, die vorteilhaften Eigenschaften jedes Merkmals im System maximal auszunutzen. Da jedes Merkmal einige der Bildklassen effektiver voneinander trennen kann, wird vermutet, dass die Gewichtung verschiedener Merkmale in einigen Staaten gegeneinander ausgetauscht werden kann. Die Trainingsphase des vorgeschlagenen Algorithmus erfolgt in zwei Schritten: (1) Die Eingabebilder werden mithilfe einer überwachten C-Mittel-Methode iterativ geclustert; (2) Bildmerkmale werden mithilfe einer lokalen Gewichtungsmethode in jedem Cluster gewichtet. Diese Gewichtung wird unter Berücksichtigung der Bedeutung jedes Merkmals bei der Minimierung des Klassifizierungsfehlers in jedem Cluster ermittelt. In der Testphase wird zunächst der Cluster gefunden, der der der der Abfrage entspricht. Anschließend werden die ähnlichsten Bilder im Multi-Label-Framework anhand der diesem Cluster zugewichteten Merkmale ermittelt. Experimentelle Ergebnisse zu drei bekannten, öffentlichen und international vorgeschlagenen Methoden führen zu signifikanten Ergebnissen, die unsere Zuordnung von Ergebnissen führen.