N步长距离视觉语言模型的图像分类方法

• 作者: 李弼程 王挺进 赵永威
• 来源期刊: 信息工程大学学报
• 学科: 工学
• 关键词: 视觉语言模型 图像分类 空间位置信息 长距离
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 信息处理技术
• 页码范围: 453-458,465
• 页数: 7页
• 分类号: TP391
• 字数: 5199字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-0673.2014.04.012

摘要

传统的视觉语言模型(visual language model,VLM)只考虑了相邻视觉单词之间的空间位置关系,不考虑不相邻视觉单词之间的贡献.针对传统视觉语言模型的不足,提出了一种N步长距离视觉语言模型,并将其用于图像分类.该方法首先给出了相隔N个视觉单词的二元依赖关系,然后训练长距离视觉语言模型,最后通过不同的权重分配方式进行融合,得到3种不同的图像分类方法.实验比较了不同参数和分类方法对图像分类的影响,结果表明,文章方法能在一定程度上改善视觉语言模型对图像表达的准确度,进而提高图像分类的准确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李弼程		102	1583	19.0	37.0
2	赵永威		8	33	3.0	5.0
3	王挺进		3	1	1.0	1.0