结合SIFT特征和神经网络池的物体分类方法

摘要：

为了提高物体分类性能,提出了一种神经网络池特征分类方法,并结合SIFT特征实现物体的可靠分类.该方法首先提取样本的SIFT特征向量,并从特征向量集合中随机选取样本子集;然后采用径向基神经网络为每一个样本子集构建基元分类器;接着通过重复迭代方式得到许多基元分类器集合,再结合增强技术组建神经网络池;最后采用朴素贝叶斯模型对神经网络池中的各个基元分类器集合的分类结果进行融合,预测特征的最终分类结果.实验结果表明,新方法的运算效率高,对VOC-2007数据集的分类正确率高.

关键词：物体分类、神经网络、尺度不变特征变换、径向基函数、贝叶斯

所属期刊栏目：43

分类号：TP391(计算技术、计算机技术)

资助基金：河南省科技攻关重点计划项目122102210563,132102210215;河南省高等学校重点科研项目计划15B520008

在线出版日期：2017-07-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：130-134,139