基于注意力模型的PLSA目标学习算法
针对经典的基于概率潜在语义分析模型(Probabilistic Latent Semantic Analysis,pLSA)的目标学习算法对训练样本背景比较敏感的缺点,本文提出了一种基于注意力模型的pLSA目标学习算法(Attention Model based pLSA,AM-pLSA).该算法首先根据注意力模型对图像进行区域分割(分为显著性区域和非显著性区域),然后以分割后的区域为训练样本构建新的训练集,最后利用经典pLSA算法学习得到感兴趣目标的分类器.我们假设感兴趣目标总是位于图像中的显著性区域,通过分割显著性区域可以尽可能地去除复杂背景的影响,从而提高pLSA算法的学习效果.实验结果表明,与经典的pLSA算法相比,本文提出的AM-pLSA算法可以大幅度提高所学习的感兴趣目标分类器的性能,对训练样本的背景更加鲁棒.
目标分类 语义分析 注意力模型 目标学习算法
庄连生 唐克坦 马启荣 俞能海
中国科学技术大学多媒体计算与通信教育部一微软重点实验室,合肥,230027;中国科学技术大学信息科学技术学院,合肥,230027 中国科学技术大学信息科学技术学院,合肥,230027
国内会议
福州
中文
385-388
2008-05-16（万方平台首次上网日期，不代表论文的发表时间）