一种新的目标检测方法：Latent Dirichlet classification

• 作者: 丁轶 李宁 郭乔进
• 来源期刊: 南京大学学报：自然科学版
• 学科: 工学
• 关键词: 潜在迪利克雷分布 目标检测 变分推理 主题模型
• 年，卷（期）: 2012,（2）
• 页码范围: 214-220
• 分类号: TP391.41
• 语种: 中文

摘要

图像目标检测的任务是通过对图像分块或者分区域提取特征，进行学习和分类，从而检测出目标在图像中的位置．基于潜在迪利克雷分布模型，提出一种应用于目标检测的主题模型latent Dirichlet classification（LDC），结合图像连续值局部特征和共生关系来进行目标检测．LDC模型将latent Dirichlet allocation（LDA）生成的主题信息作为权重赋予样本，生成多份样本，然后利用多份样本训练多个分类器进行集成分类．实验结果表明利用LDC模型能有效提高检测精度．

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李宁	南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系	102	1222	17.0	29.0
2	郭乔进	南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系	5	64	4.0	5.0
3	丁轶	南京大学计算机软件新技术国家重点实验室南京大学计算机科学与技术系	2	18	2.0	2.0