基于改进VLAD算法的图像分类

• 作者: 张新明 王倩 祝晓斌 蔡强
• 来源期刊: 计算机应用研究
• 关键词: 局部聚合描述符 图像分类 卷积神经网络 特征编码 多近邻分配
• 年，卷（期）: 2018,（10）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3151-3154
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2018.10.063

摘要

针对图像分类问题进行了研究,提出一种改进的局部聚合描述符(vector of locally aggregated descriptors,VLAD)算法以得到高效的图像特征表示.采用卷积神经网络提取图像的密集局部特征.正态分布式选取子集训练视觉字典,提高字典质量;然后,采用多近邻分配代替最近邻匹配,将特征量化到多个视觉字典且赋予不同的权重;最后,基于VLAD原理对图像局部特征进行编码,并用支持向量机对目标进行分类.在多个数据集上的实验结果表明,与近年提出的几种经典的图像分类算法相比,所提方法取得了较高的分类正确率.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蔡强	北京工商大学计算机与信息工程学院	65	684	15.0	23.0
2	王倩	北京工商大学计算机与信息工程学院	13	29	3.0	5.0
3	祝晓斌	北京工商大学计算机与信息工程学院	7	60	3.0	7.0
4	张新明	北京工商大学计算机与信息工程学院	2	23	2.0	2.0