視覺(jué)對(duì)象分類：多核多示例學(xué)習(xí).pdf

1、視覺(jué)對(duì)象分類是對(duì)一組視覺(jué)圖像自動(dòng)地進(jìn)行對(duì)象分類或者判定某幅圖像是否屬于某個(gè)類別,定位并提取出圖像中感興趣的目標(biāo)，這是計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域中一個(gè)熱點(diǎn)難點(diǎn)問(wèn)題，對(duì)圖像內(nèi)容理解、圖像檢索等有著重要的意義。由于在現(xiàn)實(shí)世界中圖像是千變?nèi)f化的，存在著視角、亮度、尺度等變化，且其數(shù)據(jù)量在與日俱增，使得傳統(tǒng)的手工視覺(jué)對(duì)象提取非常困難。因而需要引入機(jī)器學(xué)習(xí)的方法，根據(jù)圖像的底層視覺(jué)特征對(duì)其語(yǔ)義概念進(jìn)行分類和學(xué)習(xí)，建立復(fù)雜的視覺(jué)對(duì)象分類模型。目前國(guó)內(nèi)外

2、通常使用圖像的底層視覺(jué)特征如顏色、紋理、形狀以及對(duì)象的空間關(guān)系等信息來(lái)表示圖像的內(nèi)容，但從計(jì)算機(jī)所表達(dá)出的視覺(jué)特征到圖像的實(shí)際語(yǔ)義表達(dá)之間存在著巨大的“語(yǔ)義鴻溝”。本文的研究方向是視覺(jué)對(duì)象分類，主要針對(duì)在使用傳統(tǒng)的機(jī)器學(xué)習(xí)方法時(shí)使用人工標(biāo)記費(fèi)時(shí)費(fèi)力的缺點(diǎn)，以及在“Bag of Words ”圖像表示模型中存在的語(yǔ)義描述能力有限的缺點(diǎn)，對(duì)現(xiàn)有的多示例學(xué)習(xí)算法進(jìn)行了改進(jìn)。主要研究?jī)?nèi)容如下：
　　 ⑴結(jié)合分割區(qū)域的多示例學(xué)習(xí)。該算法是

3、在MILES 算法的基礎(chǔ)上，與結(jié)合分割進(jìn)行多示例學(xué)習(xí)并進(jìn)行目標(biāo)檢測(cè)與提取。該方法在“Bag of Words ”圖像表示模型的基礎(chǔ)上，將一副圖像看作一個(gè)包，表示該圖像的若干視覺(jué)單詞作為包中示例，并把視覺(jué)單詞辭典作為特征空間，通過(guò)對(duì)包中示例個(gè)數(shù)統(tǒng)計(jì)將其映射到特征空間中，考慮到1-norm SVM具有較好的稀疏性，隨后用其來(lái)挑選重要特征的同時(shí)對(duì)圖像進(jìn)行分類；此后為了實(shí)現(xiàn)目標(biāo)的提取，需要對(duì)判定為正的圖像進(jìn)行示例判定，然后根據(jù)判定為正的示例所在

4、位置作為相應(yīng)的目標(biāo)“種子”點(diǎn)，進(jìn)一步與圖像分割結(jié)果相結(jié)合，最終實(shí)現(xiàn)了目標(biāo)提取。在Caltech 101 標(biāo)準(zhǔn)圖像集上進(jìn)行實(shí)驗(yàn)的實(shí)驗(yàn)證明了該算法的有效性。
　　 ⑵基于視覺(jué)短語(yǔ)的多示例學(xué)習(xí)。針對(duì)“Bag of Words ”圖像表示模型中，視覺(jué)單詞的產(chǎn)生過(guò)程僅采用無(wú)監(jiān)督聚類方法，忽略了視覺(jué)單詞相互之間的空間信息，導(dǎo)致其語(yǔ)義描述能力有限且區(qū)分性能弱等缺點(diǎn)，本章提出了一種高階的視覺(jué)特征取代視覺(jué)單詞，即通過(guò)視覺(jué)單詞在空間中的空間相互關(guān)系

5、構(gòu)建具有語(yǔ)義區(qū)分能力的視覺(jué)短語(yǔ)，可以提高“Bag of Words ” 圖像表示模型的準(zhǔn)確性。鑒于傳統(tǒng)的基于“Bag of Words ”模型的分類方法性能容易受到圖像中背景、遮擋、尺度變化明顯等因素影響導(dǎo)致分類精度較低等問(wèn)題，本文在視覺(jué)短語(yǔ)的基礎(chǔ)上，結(jié)合多示例學(xué)習(xí)思想，提出了一種用于圖像分類的多視覺(jué)短語(yǔ)學(xué)習(xí)方法，使最終的分類模型可以反映出圖像類別的區(qū)域特性。在一些標(biāo)準(zhǔn)的圖像測(cè)試集合Caltech 101和Scene 15 進(jìn)行實(shí)驗(yàn)，實(shí)

6、驗(yàn)結(jié)果表明該算法的具有很好的分類性能，與現(xiàn)有算法相比分類準(zhǔn)確率相對(duì)提高了約9％和7％左右。
　　 ⑶多核多示例學(xué)習(xí)。視覺(jué)對(duì)象往往需要多種特征來(lái)進(jìn)行描述的，在采用一種特征的情況的下分類會(huì)不準(zhǔn)確，考慮到多示例學(xué)習(xí)可以處理微弱標(biāo)記的圖像且分類精度較高，然而在多示例學(xué)習(xí)中，通常只可以用一個(gè)特征對(duì)示例進(jìn)行描述。因而考慮采用多核的方法在多示例學(xué)習(xí)中引入多種特征。因而，提出了一個(gè)多核多示例學(xué)習(xí)框架，用于解決多示例情況下的多特征學(xué)習(xí)問(wèn)題。該框架