中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2013年
9期
1093-1100
,共8页
包空间%多示例学习%图像分类%视觉词汇
包空間%多示例學習%圖像分類%視覺詞彙
포공간%다시례학습%도상분류%시각사회
bag space%multiple-instance learning%image classification%visual words
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.
為瞭有效地解決多示例圖像自動分類問題,提齣一種將多示例圖像轉化為包空間的單示例描述方法.該方法將圖像視為包,圖像中的區域視為包中的示例,根據具有相同視覺區域的樣本都會聚集成一簇,用聚類算法為每類圖像確定其特有的“視覺詞彙”,併利用負包示例標註確定的這一信息指導典型“視覺詞彙”的選擇；然後根據得到的“視覺詞彙”構造一箇新的空間—包空間,利用基于視覺詞彙定義的非線性函數將多箇示例描述的圖像映射到包空間的一箇點,變為單示例描述；最後利用標準的支持嚮量機進行鑑督學習,實現圖像自動分類.在Corel圖像庫的圖像數據集上進行對比實驗,實驗結果錶明該算法具有良好的圖像分類性能.
위료유효지해결다시례도상자동분류문제,제출일충장다시례도상전화위포공간적단시례묘술방법.해방법장도상시위포,도상중적구역시위포중적시례,근거구유상동시각구역적양본도회취집성일족,용취류산법위매류도상학정기특유적“시각사회”,병이용부포시례표주학정적저일신식지도전형“시각사회”적선택；연후근거득도적“시각사회”구조일개신적공간—포공간,이용기우시각사회정의적비선성함수장다개시례묘술적도상영사도포공간적일개점,변위단시례묘술；최후이용표준적지지향량궤진행감독학습,실현도상자동분류.재Corel도상고적도상수거집상진행대비실험,실험결과표명해산법구유량호적도상분류성능.
