电视技术
電視技術
전시기술
TV ENGINEERING
2014年
23期
164-169,173
,共7页
图像分类%分支界定%最优路径%贪婪算法%效率%精度
圖像分類%分支界定%最優路徑%貪婪算法%效率%精度
도상분류%분지계정%최우로경%탐람산법%효솔%정도
image classification%branch and bound%optimal path%greedy algorithm%efficiency%accuracy
目前已经有多种基于树的算法来解决多类别图像分类问题,然而由于选择的学习和贪婪预测策略不当,这些算法在分类精度和测试时间效率间不能实现很好的均衡.提出一种新的分类器,当树形架构已知时能在效率和精度间实现很好的折中.首先,将图像分类问题转化为树结构中最优路径的搜索问题,提出新的类似于分支界定的算法来实现最优路径的高效搜索.其次,使用结构化支持向量机(SSVM)在多种边界约束下联合训练分类器.仿真实验结果表明,相对于当前最新“基于树”的贪婪算法,当应用于Caltech-256、SUN和ImageNet 1K等数据集时,该算法在效率较高时的精度分别上升了4.65％,5.43％和4.07％.
目前已經有多種基于樹的算法來解決多類彆圖像分類問題,然而由于選擇的學習和貪婪預測策略不噹,這些算法在分類精度和測試時間效率間不能實現很好的均衡.提齣一種新的分類器,噹樹形架構已知時能在效率和精度間實現很好的摺中.首先,將圖像分類問題轉化為樹結構中最優路徑的搜索問題,提齣新的類似于分支界定的算法來實現最優路徑的高效搜索.其次,使用結構化支持嚮量機(SSVM)在多種邊界約束下聯閤訓練分類器.倣真實驗結果錶明,相對于噹前最新“基于樹”的貪婪算法,噹應用于Caltech-256、SUN和ImageNet 1K等數據集時,該算法在效率較高時的精度分彆上升瞭4.65％,5.43％和4.07％.
목전이경유다충기우수적산법래해결다유별도상분류문제,연이유우선택적학습화탐람예측책략불당,저사산법재분류정도화측시시간효솔간불능실현흔호적균형.제출일충신적분류기,당수형가구이지시능재효솔화정도간실현흔호적절중.수선,장도상분류문제전화위수결구중최우로경적수색문제,제출신적유사우분지계정적산법래실현최우로경적고효수색.기차,사용결구화지지향량궤(SSVM)재다충변계약속하연합훈련분류기.방진실험결과표명,상대우당전최신“기우수”적탐람산법,당응용우Caltech-256、SUN화ImageNet 1K등수거집시,해산법재효솔교고시적정도분별상승료4.65％,5.43％화4.07％.
