排序方式: 共有3条查询结果,搜索用时 15 毫秒
1
1.
2.
基于视觉单词的词包模型表示(Bag-of-Words)算法是目前场景分类中的主流方法.传统的视觉单词是通过无监督聚类图像块的特征向量得到的.针对传统视觉单词生成算法中没有考虑任何语义信息的缺点,本论文提出一种基于上下文语义信息的图像块视觉单词生成算法:首先,本文中使用的上下文语义信息是视觉单词之间的语义共生概率,它是由概率潜在语义分析模型(probabilistic Latent Semantic Analysis)自动分析得到,无需任何人工标注.其次,我们引入Markov随机场理论中类别标记的伪似然度近似的策略,将图像块在特征域的相似性同空间域的上下文语义共生关系有机地结合起来,从而更准确地为图像块定义视觉单词.最后统计视觉单词的出现频率作为图像的场景表示,利用支持向量机分类器完成图像的场景分类任务.实验结果表明,本算法能有效地提高视觉单词的语义准确性,并在此基础上改善场景分类的性能. 相似文献
3.
针对当前火车票实名制检票存在人工检票效率低、易造成检票口旅客滞留等问题,提出一种基于人脸图像的实名制火车票检票系统。首先在进站安检区域提取旅客的当前人脸图像和二代身份证人脸图像;其次将上述人脸图像上传至认证服务模块,运用基于旅客面部特征的身份认证算法进行身份认证,根据认证结果生成认证列表;最后将认证列表根据检票口信息下传至自动检票机(闸机),结合AFC检票信息完成实名制检票。实验结果表明,身份认证算法在FGnet人脸库上的正确认证率达到94.14%,且对光照与表情变化具有鲁棒性,能够满足火车票实名制检票的要求;该系统具有较高的可靠性和实时性。 相似文献
1