基于弱监督 E2LSH 和显著图加权的目标分类方法

TaylorA

摘 要：在目标分类领域，当前主流的目标分类方法是基于视觉词典模型，而时间效率低、视觉单词同义性和歧义
  i7 b2 O8 p. p7 m0 B: X; N4 i4 C性及单词空间信息的缺失等问题严重制约了其分类性能。针对这些问题，该文提出一种基于弱监督的精确位置敏感
哈希(E2LSH)和显著图加权的目标分类方法。首先，引入 E2LSH 算法对训练图像集的特征点聚类生成一组视觉词
- D4 y- l( S) I3 J5 R4 m- A! }& z典，并提出一种弱监督策略对 E2LSH 中哈希函数的选取进行监督，以降低其随机性，提高视觉词典的区分性。然
7 Q& B. _2 ?+ p- c- m6 v后，利用 GBVS(Graph-Based Visual Saliency)显著度检测算法对图像进行显著度检测，并依据单词所处区域的显
% a7 i* B* _. T% D! k/ m; E著度值为其分配权重；最后，利用显著图加权的视觉语言模型完成目标分类。在数据集 Caltech-256 和 Pascal VOC
, s9 C! N3 P: d# M& R# O' C2007 上的实验结果表明，所提方法能够较好地提高词典生成效率，提高目标表达的分辨能力，其目标分类性能优
于当前主流方法。
关键词：目标分类；视觉词典模型；精确位置敏感哈希；视觉显著图；视觉语言模型
1 引言
: R4 j# z5 A4 n! L( Q6 I+ A9 t  {* |视觉词典模型(Bag of Visual Words Model,
BoVWM)[1 4]的出现迈出了由图像底层特征向高层
  e' ~- K+ {+ L: v5 p视觉语义过渡的第 1 步。由于其性能优越，在图像

5 \+ Z7 T; d6 W) E# s0 @9 g分类[5]等领域的应用十分广泛，然而，以下几个关键
问题的存在却极大地限制了其性能。首先是词典生
成效率低，当前主要的词典生成算法(如 K-Means[1])
在对特征点[6]聚类时都需要多次迭代高维近似近邻
计算，随着数据量的增大时间效率会急剧下降。其
, C7 l6 `. _9 F/ G/ ], L2 h次是传统聚类算法的初始聚类中心大都是随机生成
的，导致聚类结果对噪声的鲁棒性较差且容易引起
2 k+ P; b4 F* y视觉单词同义性和歧义性问题[7]。此外，传统的视觉
8 l; @4 ~1 O3 J2 i' o词典模型都面临视觉单词空间信息缺失的问题，极
大地降低了该模型的语义表达能力。
7 Y; O* T( Z$ u6 `1 @+ V/ W0 X$ T2 Q2 G

& L& A; \$ v3 O& w; i0 y1 }
$ h7 V! k5 P/ B$ J/ R6 k

3 j7 J0 \, j# E附件下载：

游客，如果您要查看本帖隐藏内容请回复

StepPeng33

学习下