多视图综述以及图像检索

1.1 算法分类

1.1.1 协同训练

该方法旨在最大限度地扩展所有观点的相互协议,并达成最广泛的共识。协同训练算法一般过程如图1所示，根据该过程对算法进行交替训练,利用先验信息或相互学习知识，使两种不同视图的一致性最大化。

Co-training算法利用了数据集每个属性间可能会产生的“相容互补性”,将每个可以独立生成该属性
下最优聚类的属性作为一个视图，以这些最优视图作为多视图聚类的基础,进行互相学习。通过每个视图的学习器对已标记样本进行学习,生成一个分类器,让每个分类器对未标记样本进行挑选,将挑选出的最有把握的样本赋予伪标记后，使用该伪标记样本提供给其他学习器进行学习,并对分类器进行更新，然后再一次对未标记样本进行伪标记赋予,直到分类器不再变化或者到达迭代轮数上限为止。

Co training的相容互补性,可以理解为每个视图都具有一定的相似状态。假设每一个单独的视图的选择都是最优的，则它们所产生的聚类情况必定也是最优的，因此不需要通过已标记的样本来对未标记样本进行伪标记计算,只需要从各个视图聚类所产生的结果中选出它们之间被归为同一类别的数据,将这些数据作为已标记样本来对其他样本进行标记,我们把这样的数据称为“视图一致样本”。如果2个样本在最终的任一视图中不属于同一类别，则它们在其他视图中也不属于同一类别。这种
方式因为不需要采用有监督的人工分类数据,所以笔者称其为UCo- training( Unsupervised Co-train-
ing)算法,具体流程如图所示。

 

1.1.2 多核学习

最初开发多核学习是为了提高可能的内核函数[(例如:线性内核、多项式内核及高斯内核)的搜索空间容量，以实现良好的泛化性。由于多核学习中的内核自然对应于不同视图,因此多核学习被广泛应用于处理多视图数据。多核学习方法一般过程如图2所示，其中使用不同的预定义内核处理不同视图,然后将其进行内核线性或非线性组合,以便得到一个统一内核。在MvC设置中,基于多核学习的MvC希望能最优地组合一组预定义内核,以便提高聚类性能。在该方法中,一个基本问题是找到一种方法以选择合适的核函数,并将这些核采用最优方式组合起来。

1.1.3 多视图图聚类

图形(或网络)广泛用于表示对象之间的关系,其中每个节点都与数据对象相对应,并且每个边描绘一对对象之间的关系。在实践中，该关系通常用相似性或亲缘关系表示，即输入图矩阵是由数据相似性矩阵生成的。在多视图场景中，数据对象由多个图进行捕获。一个常见假设是每个单独的图可以捕获数据部分信息,而所有图形都具有相同的基础数据聚类结构。因此,这些图可以通过合并数据对象之间的关系以相互增强。多视图图聚类的目的是在所有视图中找到一个融合图，然后在融合图上应用图形切割算法或其它技术(如谱聚类)，产生最终的聚类结果。

1.1.4多视图子空间聚类

多视图子空间聚类是对所有视图数据,从多个子空间或潜在空间学习一种新的、统一的表示，使其在建立聚类模型时更容易处理高维数据。在MvC领域,多视图子空间聚类已成为一个热门话题。多视图子空间聚类通过以下两种方式获得统一的特征表示:①直接从多个子空间中获取单一表示;②首先学习一个潜在空间,然后到达该统一表示。最后,这种统一表示被输入到现成的聚类模型中,以产生聚类结果。

1.1.5多任务多视图聚类

多任务聚类(属于多任务学习领域)一起执行多个相关任务，并利用这些任务之间的关系增强单视图数据的聚类性能。通过继承MvC和多任务聚类的属性,多任务多视图聚类(Multi-task Multi-View Clustering, MvC)通过一个或多个任务处理单个视图数据。MvC的主要挑战包括在每个视图上找到一种任务内聚类建模方法,以及一种利用多任务与多视图关系的方法,同时对任务间的知识进行相互传递。

2.图像检索

2.1两类图像检索技术

基于文本的图像检索(TBIR)技术，其主要原理为利用文本描述，如文本描述图片的内容、作者等等的方式来检索图片；

基于图像的内容语义的图像检索技术（CBIR），利用图片的颜色、纹理及图片包含的物体、类别等信息检索图片，如给定检索目标图片，在图像检索数据库中检索出与它相似的图片。

基于图像的内容语义的图像检索包括相同物体图像检索和相同类别图像检索，检索任务分别为检索同一个物体地不同图片和检索同一个类别地图片。例如，行人检索中检索的是同一个人即同一个身份在不同场景不同摄像头下拍得的图片属于相同物体的图像检索，而在3D形状检索中则是检索属于同一类的物品，如飞机等。

2.2图像检索技术的步骤

图像检索技术主要包含几个步骤，分别为：输入图片、特征提取、度量学习、重排序。

特征提取：即将图片数据进行降维，提取数据