基于属性学习的图像识别研究与实现 |
| |
引用本文: | 李华盛,宁建红,吴成柱,奉轶,汪巧巧.基于属性学习的图像识别研究与实现[J].大陆桥视野,2016(18). |
| |
作者姓名: | 李华盛 宁建红 吴成柱 奉轶 汪巧巧 |
| |
作者单位: | 上海电机学院电子信息学院 |
| |
基金项目: | A1-5701-14-006-08-40上海市大学生创新活动计划项目 |
| |
摘 要: | 图像中所蕴含的属性对于图像识别有着重要作用,以往的传统分类方法往往忽略了这些特征.视觉属性能够展现人们识别事物时所定义的语义概念,更符合人类识别图像的过程.因此,本文主要研究基于属性学习的图像识别,提出一种将属性和对象类别同时用于构建分类器的方法.通过提取图像底层的基本特征,构建属性分类器和类别分类器.属性分类器采用了直接预测模型.类别分类器SVM是一种线性化和升维的方法,在SVM方法中使用了核函数,通过核函数把低维空间的非线性映射到高维空间的线性,经过这个转化,大大提高了学习机器的非线性处理能力.同时,建立SVM模型所需要的先验干预较少.将这两种分类器运用到图像识别过程中,获得了较好的效果.
|
关 键 词: | 属性学习 属性分类器 类别分类器 多目标分类 |
本文献已被 万方数据 等数据库收录! |
|