图像检索中IRRL模型研究.pdfVIP

第 18卷．第 l期 计 算机 技 术 与发 展 Vo1．18 No．12 2008年 l2月 COMPUTERTECHNOLOGY ANDDEVELOPMENT Dec． 2008 图像检索中IRRL模型研究 王朝晖，孙惠萍 (苏州大学计算机科学与技术学院，江苏 苏州 215006) 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。 关键词：强化学习；Q一学习；相关反馈；图像检索；IRRL模型 中图分类号：1]P391．3 文献标识码：A 文章编号：1673—629X(2008)12—0035—03 ResearchofIRRL M odelin ImageRetrieval WANG Zhao-hui，SUN Hui—ping (SchoolofComputerScienceTechnology，ScochowUniversity，Suzhou215006，China) Abstract：Relevancefeedbackrealizedagoodman—machineinteractioninimageretrieval，thereforeitbecamena indispensablepartofira． ageret~eva1．Generally，thereisonlyonefeedbackalgorithm inanimageretrievalsystem．IRRLmodelintegratequeryvectormodifica— tion，featurerelevanceestimationandBayesianinfe~neeasactionsforlearningofthesystem ，throughvariousstatechoosing differentac— tion，atlastlooking fordifferentfeedbackalgorithm strategiesfordifferentclasse~ofimages，thenu3ethestrategiestodetailedretrieva1． Inthispaper，basedtheresearchofIRRLmodel，~vmcde someadvices． Keywords：reinforcementlearning；Q—learning ；relevnacefeedback；imageretrieval；IRRLmodel O 引 言 索系统要研究的 动“作”，选择一副图像来进行检索，最 相关反馈机制的出现解决了由于机器对图像的理 后得到由这 3个算法组成的一个序列，其中以能够得 解与人的理解存在差别，基于内容的图像检索系统检 到最优结果的序列作为最优策略。保存该策略，其他 索出的图像难以满足用户的需求的问题，目前已成为 的图像检索的时候都使用这个策略。 图像检索不可缺少的重要组成部分[．2]。相关反馈的 文中先给出三种反馈算法的概述，然后是强化学 基本步骤为：a．用户提交一个例子 ，系统返 回初始的查 习及 Q一学习算法的描述，再给出IRRL模型的思想， 询结果；b．用户对查询结果标上相关或不相关 ，提交给 最后是 IRRL模型的缺点及提出的改进方法。 系统；C．系