《表2 明清宫廷服饰图案数据集实验结果》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于字典学习的民族文化图案语义标注》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为了验证算法有效性，本文与几种经典的多标签标注算法进行了对比实验，包括ML-KNN（multilabel KNN）[7]，Rank-SVM[9]，MLNB（multi-label naive Bayes）[51]，同时，使用了基于特征选择算法LLSF（learning label specific features）[52]的BR（binary relevance）和CC（classifier chains）算法.MLNB算法首次将特征选择技术运用于多标签标注中，其中包含两个阶段的特征选择策略，第1阶段使用PCA消除不相关和冗余特征，第2阶段利用遗传算法将核实的特征子集进行分类.同时使用基于朴素Bayes的多标签学习算法.LLSF算法是一种线性分类算法，它对每一个标签训练一个回归系数，引入L1范数正则化使算法具有特征选择的作用，同时根据标签相关性降低回归系数的相关性.LLSF-BR算法是根据LLSF算法对数据特征进行选择，然后再使用BR算法进行多标签标注，LLSF-CC则是再使用CC算法进行多标签标注.本文实验参数设置为λ1=0.01，λ2=0.01，λ3=0.001，γ=0.05，明清宫廷服饰图案数据集与传统地毯图案数据集字典原子数为25，传统民族服饰图案数据集字典原子数为30.三个数据集上的实验结果如表2～4所示.部分图像的标注结果如图5所示.