一种用于图像分类的多视觉短语学习方法

被引：5

作者：

王孟月

宋彦

戴礼荣

机构：

[1] 中国科学技术大学电子工程与信息科学系

来源：

小型微型计算机系统 | 2012年 / 33卷 / 02期

基金：

安徽省自然科学基金;

关键词：

图像分类; 视觉短语; 多示例学习;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

针对词袋图像表示模型的语义区分性和描述能力有限的问题,以及由于传统的基于词袋模型的分类方法性能容易受到图像中背景、遮挡等因素影响的问题,本文提出了一种用于图像分类的多视觉短语学习方法.通过构建具有语义区分性和空间相关性的视觉短语取代视觉单词,以改善图像的词袋模型表示的准确性.在此基础上,结合多示例学习思想,提出一种多视觉短语学习方法,使最终的分类模型能反映图像类别的区域特性.在一些标准测试集合如Caltech-101[1]和Scene-15[2]上的实验结果验证了本文所提方法的有效性,分类性能分别相对提高了约9%和7%.

引用

页码：298 / 302

页数：5

共 7 条

[1] 贝叶斯网络参数的在线学习算法及应用 [J].

张少中 ;

杨南海 ;

王秀坤 .

小型微型计算机系统, 2004, (10) :1799-1801

[2] 基于FP-Tree的最大频繁项目集挖掘及更新算法 [J].

宋余庆 ;

朱玉全 ;

孙志挥 ;

陈耿 .

软件学报, 2003, (09) :1586-1592

[3] The Pascal Visual Object Classes (VOC) Challenge [J].

Everingham, Mark ;

Van Gool, Luc ;

Williams, Christopher K. I. ;

Winn, John ;

Zisserman, Andrew .

INTERNATIONAL JOURNAL OF COMPUTER VISION, 2010, 88 (02) :303-338

[4]

Distinctive Image Features from Scale-Invariant Keypoints. [J] . David G. Lowe.&nbsp&nbspInternational Journal of Computer Vision . 2004 (2)

[5]

Saliency, Scale and Image Description [J] . Timor Kadir,Michael Brady.&nbsp&nbspInternational Journal of Computer Vision . 2001 (2)

[6]

MILES: Multiple-instance learning via embedded instance selection .2 Chen Y,Bi J,Wang J. IEEE Trans on Pattern and Analysis and Machine Intelligence . 2006

[7]

Beyond Bags of Features:Spatial Pyramid Matching for Recognizing Natural Scene Categories .2 Svetlana Lazebnik,Cordelia Schmid,and Jean Ponce. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . 2006

← 1 →