基于目标局部特征的迁移式学习
区别于传统的图像分类方法,本文利用迁移式学习的方法,通过从大量未标记且与待分类图像无关的图像样本上提取稀疏性局部特征来增强图像分类的效率.文中采用稀疏编码来得到待分类图像的紧致输入表示,但是一些关键步骤的改进使得我们的算法具有更好的效果.首先,当使用稀疏编码从未标记样本中提取图像块来学习基向量时,我们使用SIFT特征点来代替随机挑选点,使得学习得到的基向量更加能反映图像的局部结构.另外,我们发现二维SIFT特征空间相比于图像的灰度空间是一个更高阶的特征子空间,包含更多的局部信息.为了证实我们的理论推断,我们在Caltech-101和PASCAL VOC06数据库上进行了实验,和一些相关的图像分类算法的实验比较,并将我们提出的算法结合PMK核空间理论,实验表明我们的算法具有更好的分类效率.
图像分类 稀疏编码 迁移式学习 局部特征 灰度空间
刘扬 程健 卢汉清
中国科学院自动化研究所模式识别国家重点实验室,北京,100190
国内会议
福州
中文
343-346
2008-05-16（万方平台首次上网日期，不代表论文的发表时间）