包空间多示例图像自动分类
为了有效地解决多示例图像自动分类问题,提出一种将多示例图像转化为包空间的单示例描述方法.该方法将图像视为包,图像中的区域视为包中的示例,根据具有相同视觉区域的样本都会聚集成一簇,用聚类算法为每类图像确定其特有的“视觉词汇”,并利用负包示例标注确定的这一信息指导典型“视觉词汇”的选择;然后根据得到的“视觉词汇”构造一个新的空间—包空间,利用基于视觉词汇定义的非线性函数将多个示例描述的图像映射到包空间的一个点,变为单示例描述;最后利用标准的支持向量机进行监督学习,实现图像自动分类.在Corel图像库的图像数据集上进行对比实验,实验结果表明该算法具有良好的图像分类性能.
包空间、多示例学习、图像分类、视觉词汇
18
TP301.6(计算技术、计算机技术)
国家自然科学基金青年基金项目61100120;国家自然科学基金面上项目41074090;河南理工大学博士基金项目B2012-0670
2013-10-23(万方平台首次上网日期,不代表论文的发表时间)
共8页
1093-1100