基于词袋模型的迁移学习算法

• 作者: 吴丽娜 郑翔 黄雅平
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 图像分类 词袋模型 迁移学习
• 年，卷（期）: 2014,（12）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 260-263,274
• 页数: 5页
• 分类号: TP391
• 字数: 5788字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2014.12.056

摘要

在分类新类别图像时,词袋模型总需要重新学习视觉词典及分类器,而不能充分利用已经学习好的视觉词典.运用迁移学习的思想,提出一种视觉短语的迁移学习算法.这种视觉短语不仅包含图像的局部不变特征,而且包含特征间的空间结构信息,能更有效地描述不同类别图像之间的共同特征.在分类新类别图像时,算法通过迁移视觉短语而不是重新学习视觉词典,来完成图像分类任务.实验结果证明这种迁移算法能有效地利用已有知识,在分类新类别图像时取得很好的效果,而且还能适用于仅有少量训练样本的图像分类任务.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑翔	北京交通大学计算机与信息技术学院	41	181	8.0	12.0
2	黄雅平	北京交通大学计算机与信息技术学院	24	272	6.0	16.0
3	吴丽娜	北京交通大学计算机与信息技术学院	1	5	1.0	1.0