一种面向识别的无监督特征学习算法

摘要：

特征抽取是图像识别的关键环节,准确的特征表达能够产生更准确的分类效果.采用软阈值编码器和正交匹配追踪(OMP)算法正交化视觉词典的方法,以提高单级计算结构的识别率,并进一步构造两级计算结构,获取图像更准确的特征,以提高图像的识别率.实验表明,采用软阈值编码器和OMP算法能提高单级计算结构提取特征的能力,提高大样本数据集中图像的识别率.两级计算结构能够提高自选数据集中图像的识别率.采用OMP算法能提高VOC2012数据中图像的识别率.在自选数据集上,两级计算结构优于单级计算结构,与NIN结构相比表现出优势,与卷积神经网络CNN相当,说明两级计算结构在自选数据集上有很好的适应性.

关键词：无监督学习、K-means、OMP、编码器、平均值池化、空间金字塔池化

所属期刊栏目：40

分类号：TP301.6(计算技术、计算机技术)

资助基金：国家自然科学基金41371339

在线出版日期：2018-07-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1103-1110