董振宇
- 作品数：3 被引量：16H指数：1
- 供职机构：宁波大学信息科学与工程学院更多>>
- 发文基金：国家科技支撑计划国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 融合显著信息的层次特征学习图像分类被引量：15
- 2014年
- 高效的图像特征表示是计算机视觉的基础.基于图像的视觉显著性机制及深度学习模型的思想,提出一种融合图像显著性的层次稀疏特征表示用于图像分类.这种层次特征学习每一层都由3个部分组成:稀疏编码、显著性最大值汇聚(saliency max pooling)和对比度归一化.通过在图像层次稀疏表示中引入图像显著信息,加强了图像特征的语义信息,得到图像显著特征表示.相比于手工指定特征,该模型采用无监督数据驱动的方式直接从图像中学习到有效的图像特征描述.最后采用支持向量机(support vector machine,SVM)分类器进行监督学习,实现对图像进行分类.在2个常用的标准图像数据集(Caltech 101和Caltech 256)上进行的实验结果表明,结合图像显著性信息的层次特征表示,相比于基于局部特征的单层稀疏表示在分类性能上有了显著提升.
- 祝军赵杰煜董振宇
- 关键词：图像分类
- 基于词袋模型的图像分类研究
- 词袋模型在图像分类领域中的分类效果主要受限于局部特征的量化误差。针对这一点，本文提出一种基于多尺度全局编码图像分类方法，有效减少特征量化误差。文中通过使用多尺度特征密集采样，构建多尺度码本，使码本具备一种层次结构，通过充...
- 董振宇
- 关键词：图像分类
- 融合多尺度码本的全局编码图像分类
- 2015年
- 目的词袋模型在图像分类领域中的分类效果主要受限于局部特征的量化误差。针对这一点,提出一种融合多尺度码本的全局编码图像分类方法,有效减少特征量化误差。方法通过使用多尺度特征密集采样,构建多尺度码本,使码本具备一种层次结构,通过充分利用图像特征的流形结构,计算码本全局信息,实现全局编码。通过本文方法得到的编码系数比较平滑和准确。最后使用多路径方法,分别将不同尺度的特征表示进行级联,得到最终的图像特征表示。这种特征表示具备了一定程度上的尺度不变性。结果在UIUC-8和Caltech-101两个常用的标准图像数据集上进行测试,分类准确率分别达到88.0%和83.2%。结论实验结果表明,相比于基于固定尺度码本的局部编码方法,本文方法在分类识别率方面有了显著提升。
- 董振宇赵杰煜祝军
- 关键词：图像分类
