图像检索中IRRL模型研究  

Research of IRRL Model in Image Retrieval

作　　者：王朝晖[1] 孙惠萍[1] 

机构地区：[1]苏州大学计算机科学与技术学院,江苏苏州215006

出　　处：《计算机技术与发展》2008年第12期35-37,40,共4页Computer Technology and Development

基　　金：国家自然科学基金(60673092);教育部科研重点项目(205059);江苏省高技术研究计划项目(BG2005019)

摘　　要：相关反馈实现了人机交互,是图像检索中的不可缺少的部分,一般图像检索中都使用一种反馈算法。IRRL模型将机器学习中的强化学习原理应用到图像检索的相关反馈中来。它将现有的查询点优化、特征加权、贝叶斯分类器等算法作为系统学习的动作,通过不同的状态选择不同的动作,最终为不同类的图像寻找到合适的反馈算法策略,最后根据策略进行具体的图像检索。文中对IRRL模型具体算法进行了研究,并在此基础上提出了一些改进意见。Relevance feedback realized a good man-machine interaction in image retrieval, therefore it became an indispensable part of image retrieval. Generally, there is only one feedback algorithm in an image retrieval system. IRRL model integrtate query vector modification, feature relevance estimation and Bayesian inference as actions for learning of the system, through various state choosing different action, at last looking for different feedback algorithm strategies for different classes of images, then tree the strategies to detailed retrieval. In this paper, based the research of IRRL model, advanced some advices.

关 键 词：强化学习 Q-学习 相关反馈 图像检索 IRRL模型 

分 类 号：TP391.3[自动化与计算机技术—计算机应用技术]