10.3969/j.issn.1006-9348.2022.09.089
基于贝叶斯算法的弱监督细粒度图像分类方法
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.
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
39
TP391(计算技术、计算机技术)
山东省自然科学研究项目20SVE019
2022-11-04(万方平台首次上网日期,不代表论文的发表时间)
共5页
467-470,512