资源描述：
《图像分类算法与应用研究.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、图像分类算法与应用研究报告人：张德园导师：王晓龙教授目录研究背景相关研究工作已有工作基础论文主要研究内容课题来源本课题来源于国家八六三计划目标导向类课题“基于NLP的智能搜索引擎”(项目编号：2006AA01Z197)。实际意义按照语义内容进行图像管理/图像浏览减少人工标注时间(Flickr,Picasa)辅助图像检索(Google,Baidu,Picsearch)图像分类的语义层次JamesWang：1.语义类别（例如照片或者剪贴画，室外）2.物体的罗列（人，篮球架，楼…………）3.抽象的语义（运动，打篮球）4.具体的语义（具体的描述一个图像）场景分类物体分类Caltech101图
2、像分类海滩恐龙非洲图像分类的挑战尺度变化光照变化图像分类的挑战类内差异类间差异研究现状图像表示底层视觉特征表示语义图像表示词包模型表示机器学习算法多示例学习算法底层视觉特征表示Vailaya6类假日图片层次分类贝叶斯分类器Chang全局特征，SVM分类器付岩3类图片3种颜色特征对比SVM分类器Torralba收集了8000万张32*32的图片，用最近邻方法进行分类Szummer和Picard分类“室内”/“室外”颜色和纹理特征K-NN投票SerranoSVM分类SVM输出结果相加Paek和Chang图像分割使用贝叶斯网络语义图像表示(全局)SpatialEnvelope---Oliv
3、a和Torralba提出NaturalnessOpennessRoughnessExpansionRuggedness语义图像表示(局部)Vogel和Schiele提出词包模型DenseHarris-LaplaceHessian-LaplaceHarrisHessianEdge-LaplaceHaar-HessianDoG(DifferenceofGaussian)PatchSIFTgradientlocationandorientationhistogram(GLOH)shapecontextsteerablefiltersmomentinvariantsSURF感兴趣区域检测器描
4、述子StateofArt方法词汇表的构造(K-Means,GMM,VQ,pLSA)图像相似性的度量(DistanceMetricLearning,KernelMethods(PMK,EMD))多特征融合(RandomForest/Ferns,SVM)图像空间信息的利用(SpatialPyramid,ABS-pLSA,TSI-pLSA,LDA(Fei-Fei))感兴趣区域选取(AnnaBosch)多示例学习多示例训练集由包(bag)组成，每个包里面包含多个实例(instance)。如果一个包为正例，则包中至少有一个实例为正例；如果一个包为反例，则包中所有的实例均为反例。方法：Maron
5、─DiverseDensityAndrew─Mi-SVM以及MI-SVMChen─DD-SVM以及MILESQi─DD-SVM变种周志华─MIML框架(Multi-InstanceMulti-Label)已有工作基础支持向量机(SVM)进行图像分类融合多分类器的图像分类SVM进行图像分类常用核函数高斯核（GaussianRBF）:拉普拉斯核（LaplacianRBF）：多项式核（polynomial）:无限多项式核（infinitepolynomials）：SvetlanaLazebnik-SpatialPyramidMatchingKernel(空间金字塔匹配核)SpatialPy
6、ramidRBFGaussianKernelSpatialPyramidχ2KernelEvaluationCorel图像库中的10类Libsvm，5折交叉验证C=2-3,2-1,……,215γ=2-15,2-13,……,25SpatialPyramidRBFGaussianKernelSpatialPyramidχ2Kernel以上两种核的结果都有所提高1+4的形式最好自动学习出权重多分类器融合的图像分类多分类器融合框架模糊积分函数g:2T→[0,1]叫做gλ–模糊测度，如果它满足如下性质：(I)g(Φ)=0;(II)g(T)=1;(III)g(A)≤g(B),ifA⊂B并且A,B
7、⊂T(IV)对于所有的A,B⊂T并且A∩B=Φg(A∪B)=g(A)+g(B)+λg(A)g(B)对于某一个λ>-1模糊积分训练传统的Reward-Punishment算法设置初始gi对训练样本的分类进行Reward和Punishment对初始gi依赖，陷入局部最优解改进设置多组初始gi本文选取gi=t/N结果特征名特征长度描述CH-RGB644binsR×4binsG×4binsBCH-HSV9632binsH+32binsS+32binsVCH-Lab
