潘智勇
- 作品数：2 被引量：4H指数：2
- 供职机构：哈尔滨工业大学计算机科学与技术学院更多>>
- 发文基金：国家自然科学基金黑龙江省青年科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于空间主题模型和结构特征的对象识别方法研究被引量：2
- 2018年
- 本文以马尔可夫主题随机场(Markov topic random fields,MTRF)分析图像中视觉词汇的主题分配,结合区域特征的结构特点,并利用结构学习,实现图像中对象的识别。与主流的主题模型——隐狄利克雷分配(latent Dirichlet allocation,LDA)相比,MTRF通过建立视觉词汇的空间位置关系,在视觉词汇的主题分配方面更准确,更有效地体现出区域内主题间的结构特征,有利于结合结构学习,从而检测和识别图像中的对象。实验表明,主题模型和结构学习的结合可以更准确地发现图像区域内的对象结构,有效提高主题模型在对象识别方面的准确率。
- 潘智勇刘扬刘扬刘国军
- 关键词：主题模型空间信息
- MTRF:融合空间信息的主题模型被引量：2
- 2015年
- 针对主题模型中词汇独立性和主题独立性假设忽略了视觉词汇间空间关系的问题,提出了一种融合了视觉词汇空间信息的主题模型,称为马尔可夫主题随机场(MTRF),并且提出了主题在图像处理中的表现形式为对象的组成部件。根据相邻视觉词汇以很大概率产生于同一主题的特点,该算法在产生主题的过程中,通过视觉词汇间是否产生于同一主题,来判断主题产生于马尔可夫随机场(MRF),还是产生于多项式分布。同时,从理论和实验两方面论证了主题并非对象的实例,而是以中层特征的形式表达对象的各个组成部件。与隐狄利克雷分配(LDA)相比,MTRF在Caltech101上的平均准确率提高了3.91%;在VOC2007数据集上的平均精度均值(m AP)提高了2.03%;此外,MTRF更准确地为视觉词汇分配了主题,能产生更有效表达对象的组成部件的中层特征。实验结果表明,MTRF有效地利用了空间信息,提高了模型的准确率。
- 潘智勇刘扬刘国军郭茂祖李盼
- 关键词：主题模型马尔可夫随机场图像分类
