解文杰
- 作品数:3 被引量:20H指数:3
- 供职机构:北京交通大学计算机与信息技术学院更多>>
- 发文基金:国家自然科学基金江西省教育厅资助项目更多>>
- 相关领域:自动化与计算机技术更多>>
- 基于树型贝叶斯网络的场景分类引擎训练算法被引量:4
- 2012年
- 贝叶斯网络在场景分类统计模型设计中得到广泛的应用。但现有的大部分贝叶斯网络场景分类引擎没有能够充分利用贝叶斯网络丰富的知识表现能力和有效的自动学习能力。首先提出了一种灵活的树型贝叶斯网络分类引擎,用于场景分类模型的设计。然后,以条件对数似然评价为标准研究这种模型的自动学习方法,通过对分类器等价类的研究,证明了树型贝叶斯网络分类引擎自动训练过程可以忽略网络中边的方向,并提出了一个不需要对边重定向的学习算法。由于通常的场景图像编码维度较高,省略了边的重定向过程能够有效地减少模型的训练时间。实验结果验证了所提算法的平均训练时间在基准场景图像库上比传统算法的减少23.32%。
- 王中锋王志海解文杰
- 关键词:模式识别计算机视觉贝叶斯网络网络结构学习
- 一种基于类主题空间的图像场景分类方法被引量:14
- 2010年
- 本文在扩展LDA(latent dirichlet allocation)的基础上提出了一种新的生成模型——基于类主题空间的潜在狄里克雷分布(CTS-LDA)用来实现自然图像场景分类。该方法不同于以往方法,它在训练时通过将图像场景类别信息引入模型推导过程中,产生各场景类的独立语义主题空间,使得每个场景类都有各自不同的主题空间,图像的最终语义表示采用与其类别相关的类主题集,是一种符合人类认知习惯的方法。以前所用的场景分类方法通常在得到图像主题表示后还需要依赖于其他分类器来完成场景分类,而CTS-LDA模型可以在分别计算图像在各类模型中的主题分布时,用最大似然法得出图像的类别信息。此外本文通过分析不同主题数对本模型性能的影响,得出了适用于本模型的最佳主题数。本文分别通过13,15等多类场景任务来检验模型的性能,实验证明该模型能够在不需要太多训练的情况下取得较好的性能。
- 唐颖军须德解文杰薄一航
- 关键词:概率潜在语义分析
- 基于中层语义表示的图像场景分类研究
- 随着多媒体技术和计算机网络技术的发展,人们接触到的图像数据以前所未有的速度增长。面对海量的图像资源,如何有效地分析、组织和管理图像数据,实现基于内容的图像检索成为多媒体技术的研究热点。场景分类(SceneClassifi...
- 解文杰
- 关键词:图像检索目标识别场景图像视觉特征