基于SVM的BoVW距离度量学习

• 作者: 吕清秀 赵永威 郭志刚
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 距离度量学习 图像检索 支持向量机 视觉单词
• 年，卷（期）: 2013,（5）
• 所属期刊栏目: 信息处理技术
• 页码范围: 585-590,633
• 页数: 7页
• 分类号: TP391.3
• 字数: 4286字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2013.05.014

摘要

在视觉单词包模型(bag of visual words,BoVW)模型中,由于特征检测的不足、聚类算法的缺陷及视觉单词的量化误差,用BoVW模型产生的视觉词典中,存在视觉单词同义性和歧义性的问题,因此用BoVW计算图像距离时,效果不太理想.BoVW模型产生的词典规模巨大,学习一个普通矩阵需要的运算量难以接受.针对BoVW模型上述缺陷,文章提出了一种基于SVM的BoVW距离度量学习方法.该方法利用SVM训练一个将相似图像对与非相似图像对最大程度分离的超平面,得到计算词频直方图点积的权重矩阵.在Oxford图像集上的检索实验表明了该方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵永威		8	33	3.0	5.0
2	郭志刚		20	170	6.0	13.0
3	吕清秀		2	7	1.0	2.0