| 基于稀疏表示的多示例图像分类 |
| |
| 引用本文： | 宋相法,焦李成.基于稀疏表示的多示例图像分类[J].计算机科学,2015,42(1):293-296. |
| |
| 作者姓名： | 宋相法 焦李成 |
| |
| 作者单位： | 1. 河南大学计算机与信息工程学院 开封475004;西安电子科技大学智能感知与图像理解教育部重点实验室 西安710071
2. 西安电子科技大学智能感知与图像理解教育部重点实验室 西安710071 |
| |
| 基金项目： | 本文受国家重点基础研究发展计划(973计划)(2013CB329402),国家自然科学基金(61305042,2,61173090,6,61072108),教育部“长江学者和创新团队发展计划”(IRT1170)资助 |
| |
| 摘 要： | 为了有效地解决多示例图像分类问题,基于稀疏表示提出了一种新的多示例图像分类方法.该方法将图像看作多示例包,图像中的区域作为包中示例,利用示例嵌入策略计算包特征;然后将待分类图像包特征表示为训练图像包特征集上的稀疏线性组合,利用Z1优化方法求得稀疏解;最后根据稀疏系数提出一个为待分类图像预测标记的方法.在Corel数据集上的实验结果表明,与其他方法相比,所提方法具有更高的分类精度.
|
| 关 键 词： | 图像分类 多示例学习 稀疏表示 |
Classification of Multi-instance Image Based on Sparse Representation |
| |
| SONG Xiang-fa and JIAO Li-cheng.Classification of Multi-instance Image Based on Sparse Representation[J].Computer Science,2015,42(1):293-296. |
| |
| Authors: | SONG Xiang-fa and JIAO Li-cheng |
| |
| Abstract: | |
| |
| Keywords: | Image classification Multi-instance learning Sparse representation |
| 本文献已被 万方数据 等数据库收录！ |
|
点击此处可从《计算机科学》下载全文 |
|
