一种基于加速坐标下降的大规模图像分类算法研究

• 作者: 王智勇
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 大规模图像 多类分类算法 l1范数 压缩域 坐标下降算法 Fisher向量
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 208-213
• 页数: 6页
• 分类号: TP391
• 字数: 6660字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2014.04.053

摘要

随着大规模图像分类数据集的出现，设计一种可扩展的、高效的多类分类算法成为目前一个重要的挑战。基于迹范数正则惩罚函数，提出一种新的大规模多类图像分类的可扩展学习算法。把具有挑战性的非光滑优化问题重构为一个带 l1正则惩罚的无穷维优化问题，进而设计一个简单而有效的加速坐标下降算法。此外，展示了如何在量化的密集视觉特征的压缩域中进行高效的矩阵计算，该压缩域有100000个例子，1000多维特征和100多类图片。最后在图像网的子集“Fungeus”、“Ungulate”和“Vehicles”上的实验结果表明，所提出方法的性能明显优于目前最先进的16高斯 Fisher 向量方法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王智勇		8	8	2.0	2.0