基于彩色描述子和主题模型的新闻标注

为了减轻新闻工作者的负担以及提高信息标注的准确性,本文针对新闻及相关图片提出了融合彩色描述子和主题模型的自动标注算法.该算法利用彩色的尺度不变特征转换(RGB-SIFT)得到图像的底层特征描述子,通过K均值聚类算法得到图像的视觉单词及词典,利用词频-逆向文件频率(TF-IDF)对新闻的文本信息进行过滤.同时将视觉单词和过滤后的文本信息看作混合文档,利用改进的主题模型对该文档新闻进行自动标注.实验表明该算法提高了对新闻标注的准确率.

基于语义人脸的视频新闻标注

视频和图像中的人脸蕴涵了丰富的语义信息,可以使用人脸对视频内容进行分析与标注,尤其是视频新闻节目。而要达到这样的目的,就必须先将对视频新闻具有语义价值的人脸从视频流中检测出来。本文提出基于语义人脸检测的视频新闻语义聚类与标注算法:在这个算法中,首先使用肤色模型检测人脸可能出现区域,然后提取人脸可能区域的独立成分特征,用训练好的支持向量机检测出所有人脸,套用语义人脸模板过滤出最终的语义人脸集合,最后通过高斯混合聚类,将视频新闻标注为主持人镜头、访谈类新闻镜头和其他新闻故事镜头三类。实验表明,该算法在视频新闻结构化中可以得到较好的应用。