本文關(guān)鍵詞：超像素詞包模型與SVM分類的圖像標(biāo)注

  更多相關(guān)文章： 超像素分割 詞包模型 支持向量機(jī)分類 視覺詞匯 圖像分類 圖像標(biāo)注

【摘要】：為了改善基于詞包模型與支持向量機(jī)(SVM)分類一幅圖對(duì)應(yīng)一個(gè)標(biāo)簽的單標(biāo)簽分類問題,提出了一種基于超像素詞包模型與SVM分類的圖像標(biāo)注算法。將超像素分割結(jié)果作為詞包模型的基本單元,用詞包模型生成的視覺詞匯表示超像素區(qū)域特征,保留了圖像中的同質(zhì)區(qū)域,很好地利用了圖像的區(qū)域特征。仿真結(jié)果表明,該方法能有效改善基于詞包模型與SVM分類的單標(biāo)簽分類問題,且分類的準(zhǔn)確性有所提高。
【作者單位】： 江南大學(xué)物聯(lián)網(wǎng)工程學(xué)院;
【關(guān)鍵詞】： 超像素分割 詞包模型 支持向量機(jī)分類 視覺詞匯 圖像分類 圖像標(biāo)注
【分類號(hào)】：TP212
【正文快照】： 0引言圖像標(biāo)注通過對(duì)圖像的底層特征進(jìn)行語義建模,用生成的語義模型來標(biāo)注圖像內(nèi)容。圖像標(biāo)注技術(shù)在醫(yī)學(xué)圖像標(biāo)注、數(shù)字圖書館、機(jī)器人視覺場(chǎng)景理解、數(shù)碼相片檢索等方面具有廣泛的應(yīng)用前景。按照語義學(xué)習(xí)方法不同,圖像標(biāo)注可分為基于傳統(tǒng)的分類方法[1~5]、基于概率統(tǒng)計(jì)模型方

【相似文獻(xiàn)】

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前1條

1 張國(guó)榮;;基于SVM分類算法的電力變壓器故障診斷[A];第六屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集（2）[C];2008年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 趙晶晶;基于時(shí)序趨勢(shì)特征的回轉(zhuǎn)窯喂煤SVM分類方法[D];湖南大學(xué);2011年

，

本文編號(hào)：557850