图像理解的度量学习方法
针对图像理解中的图像间相似度的关系，提出了基于度量学习的图像理解方法。通过成对约束的度量学习算法，以及在优化目标中增加原空间数据分布的约束，得到一个能够反映当前训练数据的参数化距离函数，并在KNN分类器上使用该距离函数构建学习器。在真实数据集和ALOI图片数据集上的实验表明，基于度量学习的算法能够有效识别图像主题和特定的对象，相比传统的基于欧氏距离的算法有更高的正确率和泛化能力。
图像理解 度量学习 Mahalanobis距离 图像相似度
张钢 程良伦 钟钦灵
广东工业大学自动化学院 广东省广州市 510006 黄埔职业技术学校数学系 广东省广州市 510731
国内会议
广州·香港
中文
403-408
2010-12-09（万方平台首次上网日期，不代表论文的发表时间）