本文選題：零樣本學(xué)習(xí) + 細(xì)粒度圖像分類(lèi)�。� 參考：《計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)》2017年12期

【摘要】：為了減少原圖像特征空間中高維數(shù)據(jù)的冗余,解決細(xì)粒度數(shù)據(jù)分布在特征空間中無(wú)法線性可分的問(wèn)題,提出一種結(jié)合視覺(jué)特征低維嵌入和非線性映射的細(xì)粒度圖像分類(lèi)算法.首先將視覺(jué)特征嵌入到低維空間來(lái)減少冗余數(shù)據(jù)對(duì)分類(lèi)造成的干擾,提高分類(lèi)模型對(duì)測(cè)試數(shù)據(jù)的泛化能力;然后通過(guò)基于排序的目標(biāo)函數(shù)來(lái)訓(xùn)練多個(gè)線性分類(lèi)器,建立類(lèi)別和低維視覺(jué)嵌入之間的非線性關(guān)系,有效地區(qū)分不同類(lèi)別的細(xì)粒度樣本之間的細(xì)微差異.實(shí)驗(yàn)結(jié)果表明,該算法有效地改進(jìn)了現(xiàn)有的細(xì)粒度圖像分類(lèi)方法,顯著提高對(duì)未知測(cè)試樣本的分類(lèi)精度.
[Abstract]:In order to reduce the redundancy of high-dimensional data in the original image feature space and to solve the problem that the fine grained data distribution in the feature space can not be linearly separable, a fine-grained image classification algorithm combining visual feature low-dimensional embedding and nonlinear mapping is proposed. Firstly, the visual features are embedded into the low-dimensional space to reduce the interference caused by redundant data to the classification, and the generalization ability of the classification model to test data is improved. Then, several linear classifiers are trained by the objective function based on sorting. The nonlinear relationship between class and low dimensional visual embedding is established, and the fine grained samples of different categories are effectively distinguished. Experimental results show that the proposed algorithm improves the existing fine-grained image classification methods and improves the classification accuracy of unknown test samples.
【作者單位】： 廣東工業(yè)大學(xué)計(jì)算機(jī)學(xué)院;
【基金】：廣東省普通高校省級(jí)重大科研項(xiàng)目(262524136) 廣東省普通高校青年創(chuàng)新人才項(xiàng)目(220413157)
【分類(lèi)號(hào)】：TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王寧;鈔柯;羅嬪;;實(shí)現(xiàn)細(xì)粒度訪問(wèn)控制的元模型研究[J];大連理工大學(xué)學(xué)報(bào);2012年03期

2 歐陽(yáng)純萍;陽(yáng)小華;雷龍艷;徐強(qiáng);余穎;劉志明;;多策略中文微博細(xì)粒度情緒分析研究[J];北京大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年01期

3 史大偉;袁天偉;;一種粗細(xì)粒度結(jié)合的動(dòng)態(tài)污點(diǎn)分析方法[J];計(jì)算機(jī)工程;2014年03期

4 原子;于莉莉;劉超;;引入缺陷的細(xì)粒度軟件變更識(shí)別方法[J];北京航空航天大學(xué)學(xué)報(bào);2014年09期

5 涂登彪;譚光明;孫凝暉;;無(wú)鎖同步的細(xì)粒度并行介度中心算法[J];軟件學(xué)報(bào);2011年05期

6 華秀麗;徐凡;王中卿;李培峰;;細(xì)粒度科技論文摘要句子分類(lèi)方法[J];計(jì)算機(jī)工程;2012年14期

7 時(shí)杰;朱虹;馮玉才;;實(shí)現(xiàn)數(shù)據(jù)庫(kù)細(xì)粒度訪問(wèn)控制的一種動(dòng)態(tài)查詢(xún)修改算法[J];計(jì)算機(jī)科學(xué);2010年12期

8 王志強(qiáng);黃皓;夏磊;;進(jìn)程內(nèi)細(xì)粒度保護(hù)域模型及其實(shí)現(xiàn)[J];計(jì)算機(jī)應(yīng)用;2007年06期

9 趙亞杰;陳龍;;面向手機(jī)取證的細(xì)粒度數(shù)據(jù)完整性檢驗(yàn)方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年11期

10 王希忠;曲家興;馬春光;周長(zhǎng)利;;一種適用于非結(jié)構(gòu)化數(shù)據(jù)的改進(jìn)細(xì)粒度加密方法[J];計(jì)算機(jī)應(yīng)用研究;2014年09期

相關(guān)會(huì)議論文 前10條

1 鄭海紅;曾平;;一種基于圖像分類(lèi)的逆半調(diào)算法[A];’2004計(jì)算機(jī)應(yīng)用技術(shù)交流會(huì)議論文集[C];2004年

2 文振q;歐陽(yáng)杰;朱為總;;基于語(yǔ)義特征與支持向量機(jī)的圖像分類(lèi)[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

3 陳思坤;吳洪;;基于圖分塊并利用空間金字塔的醫(yī)學(xué)圖像分類(lèi)[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

4 張淑雅;趙曉宇;趙一鳴;李均利;;基于SVM的圖像分類(lèi)[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

5 朱松豪;胡娟娟;孫偉;;基于非歐空間高階統(tǒng)計(jì)的圖像分類(lèi)方法[A];第25屆中國(guó)控制與決策會(huì)議論文集[C];2013年

6 潘海為;李建中;張煒;;基于像素聚類(lèi)的腦部醫(yī)學(xué)圖像分類(lèi)[A];第二十屆全國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2003年

7 吳霜;張一飛;修非;王大玲;鮑玉斌;于戈;;基于興趣點(diǎn)特征提取的醫(yī)學(xué)圖像分類(lèi)[A];第二十四屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2007年

8 武進(jìn);尹愷;王長(zhǎng)明;張家才;;SVDM在蔬菜病害圖像分類(lèi)中的應(yīng)用[A];圖像圖形技術(shù)與應(yīng)用進(jìn)展——第三屆圖像圖形技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2008年

9 劉杰;杜軍平;;基于Relief-F特征加權(quán)支持向量機(jī)的語(yǔ)義圖像分類(lèi)[A];2011年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第一分冊(cè)）[C];2011年

10 盛振華;吳羽;江錦華;壽黎但;陳剛;;InfoSigs:一種面向WEB對(duì)象的細(xì)粒度聚類(lèi)算法[A];第26屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（A輯）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 時(shí)杰;關(guān)系數(shù)據(jù)庫(kù)細(xì)粒度訪問(wèn)控制研究[D];華中科技大學(xué);2010年

2 李昌英(Ri ChangYong);基于上下文信息的語(yǔ)義圖像分類(lèi)研究[D];浙江大學(xué);2014年

3 王曉東;基于稀疏特征學(xué)習(xí)的復(fù)雜圖像分類(lèi)[D];西安電子科技大學(xué);2014年

4 顧迎節(jié);面向圖像分類(lèi)的主動(dòng)學(xué)習(xí)算法研究[D];南京理工大學(xué);2015年

5 孟丹;基于深度學(xué)習(xí)的圖像分類(lèi)方法研究[D];華東師范大學(xué);2017年

6 朱倩;面向自由文本的細(xì)粒度關(guān)系抽取的關(guān)鍵技術(shù)研究[D];江蘇大學(xué);2011年

7 趙鑫;圖像分類(lèi)中的判別性增強(qiáng)研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

8 楊冰;基于藝術(shù)風(fēng)格的繪畫(huà)圖像分類(lèi)研究[D];浙江大學(xué);2013年

9 丁建睿;基于多示例學(xué)習(xí)的淺表器官超聲圖像分類(lèi)方法研究[D];哈爾濱工業(yè)大學(xué);2012年

10 賈世杰;基于內(nèi)容的商品圖像分類(lèi)方法研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 趙黎光;基于依存句法的句子級(jí)細(xì)粒度情感計(jì)算[D];華南理工大學(xué);2015年

2 姚亮;數(shù)據(jù)訪問(wèn)控制中基于中間代理的用戶(hù)撤銷(xiāo)方法[D];西安電子科技大學(xué);2014年

3 占文平;面向產(chǎn)品評(píng)論的情感分析技術(shù)研究[D];浙江工商大學(xué);2015年

4 廖純;基于句法和語(yǔ)義的話題細(xì)粒度情感分析的研究[D];北京理工大學(xué);2016年

5 李毅;屬性層級(jí)觀點(diǎn)挖掘技術(shù)的研究與應(yīng)用[D];石家莊鐵道大學(xué);2016年

6 周志華;聊天系統(tǒng)文本情感細(xì)粒度分類(lèi)研究與應(yīng)用[D];西南交通大學(xué);2015年

7 康海蒙;基于細(xì)粒度監(jiān)控的Spark優(yōu)化研究[D];哈爾濱工業(yè)大學(xué);2016年

8 陳闖闖;中文微博細(xì)粒度情感判別研究[D];南華大學(xué);2016年

9 付連鵬;微博客細(xì)粒度情感分析技術(shù)的研究與實(shí)現(xiàn)[D];東北大學(xué);2014年

10 李凌云;基于部件對(duì)齊模型的細(xì)粒度分類(lèi)方法研究[D];大連理工大學(xué);2016年

，

本文編號(hào)：1794464