类别约束下的低秩优化特征字典构造方法

• 作者: 丁洪富 刘玉淑 吕煊 李爱迪
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 字典模型 低秩优化 低秩描述 图像描述 图像分类
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 虚拟现实与数字媒体
• 页码范围: 2668-2672,2677
• 页数: 6页
• 分类号: TP391.41
• 字数: 5307字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2014.09.2668

摘要

字典模型(BOW)是一种经典的图像描述方法,模型中特征字典的构造方法至关重要.针对特征字典构造问题,提出了一种类别约束下的低秩优化特征字典构造方法LRC-DT,通过低秩优化的方法使训练出来的特征字典在描述同类图像时表示系数矩阵的秩相对较低,从而将类别信息引入到字典学习中,提高字典对图像描述的可分辨性.在标准公测库Caltech-101和Caltech-256上的实验结果表明:将SPM、稀疏编码下的SPM (ScSPM)、局部线性编码(LLC)和线性核函数的SPM(LSPM)编码方法中的特征字典替换为加入低秩约束(LRC)的特征字典后,随着训练样本数目增多,字典模型的分类准确率与未引入低秩约束的方法相比有所提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁洪富		6	6	2.0	2.0
2	李爱迪		16	35	3.0	5.0
3	吕煊		3	43	1.0	3.0
4	刘玉淑	齐鲁工业大学电气与自动化学院	1	1	1.0	1.0