CAJ | 학술논문

针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更新后的特征权重指导下一次迭代的特征聚类.多次迭代后同时得到聚类结果和前景目标.实验结果表明,该方法有效地提高Caltech-256数据集和Google车辆图像的检测精度.此外,针对目前绝大部分无监督目标检测方法不具备增量学习能力这一缺点,提出了增量学习方法实现,实验结果表明,增量学习方法有效地提高了计算速度.
침대기우무감독특정제취적목표검측방법효솔불고적문제,제출일충재무표기수거집중준학검측전경목표적방법.기기본출발점시:정학적특정취류결과가이지도목표특정제취,동시준학제취적목표특정가이제고특정취류적정도.해방법수선대무표기양본도상진행국부특정제취,연후근거최소화특정거리진행무감독특정취류.장동일개취류내적도상량량필배,장특정필배적중현정도작위특정권중,최후근거경신후적특정권중지도하일차질대적특정취류.다차질대후동시득도취류결과화전경목표.실험결과표명,해방법유효지제고Caltech-256수거집화Google차량도상적검측정도.차외,침대목전절대부분무감독목표검측방법불구비증량학습능력저일결점,제출료증량학습방법실현,실험결과표명,증량학습방법유효지제고료계산속도.