中国图象图形学报
中國圖象圖形學報
중국도상도형학보
JOURNAL OF IMAGE AND GRAPHICS
2014年
5期
708-715
,共8页
唐大伟%鲁东明%许端清%杨冰
唐大偉%魯東明%許耑清%楊冰
당대위%로동명%허단청%양빙
壁画图像%图像分类%多实例学习%Latent SVM(支持向量机)
壁畫圖像%圖像分類%多實例學習%Latent SVM(支持嚮量機)
벽화도상%도상분류%다실례학습%Latent SVM(지지향량궤)
mural images%image classification%multiple instance learning%Latent SVM
目的 针对壁画图像具有较大类内差异以及具有较强背景噪音的特点,提出一种分组多实例学习的策略,实现对不同年代风格的壁画图像分类.方法 将样本空间划分为不同的子空间,每一个子空间中的所有训练样本训练分类器模型,测试阶段根据测试样本落到的子空间来选择不同的分类模型对测试样本进行分类.在各个子空间训练分类器时,将每一幅壁画图像样本看做多个实例的组成,采用多实例学习的方式来训练分类器.训练过程中,引入隐变量用于标识每一个实例,隐变量的存在使得分类器的优化问题不是一个凸问题,无法用梯度下降法去直接求解,采用迭代的方式训练Latent SVM作为每一个子空间的分类器.结果 实验结果表明本文方法在壁画图像的分类上与传统方法相比提高了平均5％的精度.结论 本文分组多实例学习的策略在壁画分类问题中能够较大程度地解决图像的类内差异以及背景噪音对分类结果造成的影响.
目的 針對壁畫圖像具有較大類內差異以及具有較彊揹景譟音的特點,提齣一種分組多實例學習的策略,實現對不同年代風格的壁畫圖像分類.方法 將樣本空間劃分為不同的子空間,每一箇子空間中的所有訓練樣本訓練分類器模型,測試階段根據測試樣本落到的子空間來選擇不同的分類模型對測試樣本進行分類.在各箇子空間訓練分類器時,將每一幅壁畫圖像樣本看做多箇實例的組成,採用多實例學習的方式來訓練分類器.訓練過程中,引入隱變量用于標識每一箇實例,隱變量的存在使得分類器的優化問題不是一箇凸問題,無法用梯度下降法去直接求解,採用迭代的方式訓練Latent SVM作為每一箇子空間的分類器.結果 實驗結果錶明本文方法在壁畫圖像的分類上與傳統方法相比提高瞭平均5％的精度.結論 本文分組多實例學習的策略在壁畫分類問題中能夠較大程度地解決圖像的類內差異以及揹景譟音對分類結果造成的影響.
목적 침대벽화도상구유교대류내차이이급구유교강배경조음적특점,제출일충분조다실례학습적책략,실현대불동년대풍격적벽화도상분류.방법 장양본공간화분위불동적자공간,매일개자공간중적소유훈련양본훈련분류기모형,측시계단근거측시양본락도적자공간래선택불동적분류모형대측시양본진행분류.재각개자공간훈련분류기시,장매일폭벽화도상양본간주다개실례적조성,채용다실례학습적방식래훈련분류기.훈련과정중,인입은변량용우표식매일개실례,은변량적존재사득분류기적우화문제불시일개철문제,무법용제도하강법거직접구해,채용질대적방식훈련Latent SVM작위매일개자공간적분류기.결과 실험결과표명본문방법재벽화도상적분류상여전통방법상비제고료평균5％적정도.결론 본문분조다실례학습적책략재벽화분류문제중능구교대정도지해결도상적류내차이이급배경조음대분류결과조성적영향.
