利用Bag-of-Synonyms模型进行物体分类研究
Bag-of-Words模型论文 Bag-of-Synonyms模型论文 物体分类论文
论文详情
物体分类在计算机视觉中是研究最活跃同时也是最基本的课题之一,其旨在判断媒体(比如图片或图像)中是否存在属于某类物体的实体。本文着重强调图片中的物体分类技术。在整个分类过程中,大致有以下三个基本步骤:(1)描述图片,(2)学习物体类别的可视模型,(3)基于可视模型对物体进行分类。因此本文首先介绍了一种非常流行,简单且高效的图片描述方法叫做Bag-of-Wbrds模型,然后基于此方法提出了一种新的描述方法叫做Bag-of-Synonyms模型并且将其应用于物体分类中,最后总结全文。目前有一些高效的图片描述方法已经被提出,比如说Bag-of-Words模型,基于物体部分的描述模型,层次模型等。相应地,一些功能强大的基于概率的分类方法(比如图模型)和直接分类的方法(比如核方法)也随之提出。Bag-of-Synonyms模型就是试图通过将更多的图片信息(比如位置信息,范围信息)引入Bag-of-Words模型并更有效的组织这些信息(比如分层管理),从而达到提高分类性能的目的。这一模型已经应用到物体分类中,并且试验结果给人以非常深刻的印象,这可以说明Bag-of-Synonyms模型非常适用于物体分类问题。
摘要 | 第4-5页 |
Abstract | 第5页 |
Acknowledgments | 第6-9页 |
List of Figures | 第9-11页 |
List of Tables | 第11-12页 |
1 Introduction | 第12-16页 |
2 Bag-of-Words Model | 第16-37页 |
2.1 Detection Module | 第17-21页 |
2.1.1 Sampling Strategies | 第18-20页 |
2.1.2 Different Detectors | 第20-21页 |
2.2 Description Module | 第21-26页 |
2.2.1 Different Descriptors | 第21-24页 |
2.2.2 Feature Selection | 第24-26页 |
2.3 Cluster Module | 第26-30页 |
2.3.1 Clustering Approaches | 第26-29页 |
2.3.2 Distance Metric Learning | 第29-30页 |
2.4 Signature Module | 第30-31页 |
2.5 Categorization Module | 第31-37页 |
2.5.1 Probabilistic Approaches | 第32-34页 |
2.5.2 Discriminative Approaches | 第34-37页 |
3 Preliminary Works | 第37-53页 |
3.1 Discriminative Signatures | 第37-45页 |
3.1.1 General Linear Models | 第38-39页 |
3.1.2 Objective Function | 第39-40页 |
3.1.3 Upper Bound of L(α) | 第40-41页 |
3.1.4 Transform Matrix α | 第41-42页 |
3.1.5 Experiments | 第42-45页 |
3.2 Tensor Representation | 第45-53页 |
3.2.1 Construction Method | 第45-47页 |
3.2.2 Recognition Method: Tensor-pLSA | 第47-48页 |
3.2.3 Experiments | 第48-53页 |
4 Bag-of-Synonyms Model | 第53-64页 |
4.1 Synonym Generation | 第54-55页 |
4.2 Best Match Kernel | 第55-57页 |
4.3 Experiments | 第57-64页 |
4.3.1 Graz-01 | 第58-61页 |
4.3.2 Graz-02 | 第61-62页 |
4.3.3 Caltech 256 | 第62-64页 |
5 Conclusion | 第64-66页 |
References | 第66-75页 |
致谢 | 第75页 |
论文购买
论文编号
ABS2096603,这篇论文共75页
会员购买按0.30元/页下载,共需支付
22.5。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
37.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文