一种基于类主题空间的图像场景分类方法
本文在扩展LDA(latent dirichlet allocation)的基础上提出了一种新的生成模型--基于类主题空间的潜在狄里克雷分布(CTS-LDA)用来实现自然图像场景分类.该方法不同于以往方法,它在训练时通过将图像场景类别信息引入模型推导过程中,产生各场景类的独立语义主题空间,使得每个场景类都有各自不同的主题空间,图像的最终语义表示采用与其类别相关的类主题集,是一种符合人类认知习惯的方法.以前所用的场景分类方法通常在得到图像主题表示后还需要依赖于其他分类器来完成场景分类,而CTS-LDA模型可以在分别计算图像在各类模型中的主题分布时,用最大似然法得出图像的类别信息.此外本文通过分析不同主题数对本模型性能的影响,得出了适用于本模型的最佳主题数.本文分别通过13,15等多类场景任务来检验模型的性能,实验证明该模型能够在不需要太多训练的情况下取得较好的性能.
基于类主题空间的潜在狄里克雷分布、潜在狄里克雷分布、概率潜在语义分析、场景分类
15
TP18;TP242.6+2(自动化基础理论)
国家自然科学基金90820013;江西省教育厅资助科研项目GJJ09563
2010-09-08(万方平台首次上网日期,不代表论文的发表时间)
共7页
1067-1073