Resumen

Con el creciente número de imágenes en Internet, la recuperación eficiente y escalable de imágenes semánticas se vuelve cada vez más importante. Este artículo presenta un enfoque novedoso para la recuperación de imágenes semánticas al combinar Redes Neuronales Convolucionales (CNN) y Campo Aleatorio de Markov (MRF). Como paso clave, la detección de conceptos de imágenes, es decir, el reconocimiento automático de múltiples conceptos semánticos en una imagen no etiquetada, desempeña un papel importante en la recuperación de imágenes semánticas. A diferencia de trabajos anteriores que utilizan clasificadores de un solo concepto uno por uno, detectamos multiconceptos semánticos utilizando un clasificador de escena de multiconceptos. En otras palabras, nuestro enfoque toma múltiples conceptos como una escena holística para el aprendizaje de escenas de multiconceptos. Específicamente, primero entrenamos una CNN como clasificador de conceptos, que incluye dos tipos de clasificadores: un clasificador completamente conectado de un solo concepto que es el más adec

• Materias:Comprensión de imágenes Inteligencia artificial Detección de manipulaciones Visión artificial Imágenes espaciales
• Subjects:Image understanding Artificial intelligence Manipulation detection Artificial vision Spatial imaging
• Palabras claves:Número creciente; Recuperación semántica de imágenes; Red Neuronal Convolucional; Campo Aleatorio de Markov; Detección de conceptos; Clasificador de escenas multiconcepto
• Keywords:Growing number; Semantic image retrieval; Convolutional Neural Network; Markov Random Field; Concept detection; Multiconcept scene classifier