计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2014年
12期
260-263,274
,共5页
图像分类%词袋模型%迁移学习
圖像分類%詞袋模型%遷移學習
도상분류%사대모형%천이학습
Image categorization%Bag-of-visual words model%Transfer learning
在分类新类别图像时,词袋模型总需要重新学习视觉词典及分类器,而不能充分利用已经学习好的视觉词典.运用迁移学习的思想,提出一种视觉短语的迁移学习算法.这种视觉短语不仅包含图像的局部不变特征,而且包含特征间的空间结构信息,能更有效地描述不同类别图像之间的共同特征.在分类新类别图像时,算法通过迁移视觉短语而不是重新学习视觉词典,来完成图像分类任务.实验结果证明这种迁移算法能有效地利用已有知识,在分类新类别图像时取得很好的效果,而且还能适用于仅有少量训练样本的图像分类任务.
在分類新類彆圖像時,詞袋模型總需要重新學習視覺詞典及分類器,而不能充分利用已經學習好的視覺詞典.運用遷移學習的思想,提齣一種視覺短語的遷移學習算法.這種視覺短語不僅包含圖像的跼部不變特徵,而且包含特徵間的空間結構信息,能更有效地描述不同類彆圖像之間的共同特徵.在分類新類彆圖像時,算法通過遷移視覺短語而不是重新學習視覺詞典,來完成圖像分類任務.實驗結果證明這種遷移算法能有效地利用已有知識,在分類新類彆圖像時取得很好的效果,而且還能適用于僅有少量訓練樣本的圖像分類任務.
재분류신유별도상시,사대모형총수요중신학습시각사전급분류기,이불능충분이용이경학습호적시각사전.운용천이학습적사상,제출일충시각단어적천이학습산법.저충시각단어불부포함도상적국부불변특정,이차포함특정간적공간결구신식,능경유효지묘술불동유별도상지간적공동특정.재분류신유별도상시,산법통과천이시각단어이불시중신학습시각사전,래완성도상분류임무.실험결과증명저충천이산법능유효지이용이유지식,재분류신유별도상시취득흔호적효과,이차환능괄용우부유소량훈련양본적도상분류임무.