基于贝叶斯算法的弱监督细粒度图像分类方法

摘要：

针对细粒度图像具有类内差距大、类间差距小的特点,而传统的图像分类方法存在分类效率低的问题,基于贝叶斯算法设计了新的弱监督细粒度图像分类方法.先建立弱监督模型,并利用该模型定位图像的显著性细粒度区域,提取该区域中的细粒度图像特征并进行量化处理,并利用贝叶斯算法设计分类器,将提取的特征作为分类器的输入项,经过分类器的处理得出弱监督细粒度图像的分类结果.对比实验结果表明,相比于传统方法,上述细粒度图像分类方法的分类精度有所提升,且有效的降低了图像分类所消耗的时间,从而提升了图像分类的整体效率.

关键词：贝叶斯算法、细粒度图像、弱监督模型、细粒度区域、分类器、图像分类

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：山东省自然科学研究项目20SVE019

在线出版日期：2022-11-04（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：467-470,512