一种用于图像分类的多视觉短语学习方法

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Calrech-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％.

关键词：图像分类、视觉短语、多示例学习

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：安徽省自然科学基金项目090412056

在线出版日期：2012-09-29（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：298-302