文献

J-GLOBAL ID：201802230781522335   整理番号：18A0034425

パケットレベル空間におけるスパース表現に基づく画像分類アルゴリズムを示した。【JST・京大機械翻訳】

Image Classification Algorithm Based on Bag?Level Space Multiple Instance Learning with Sparse Representation

著者 (3件)： Yang Honghong (西北工業大学 自動化学院,陜西 西安,710072) ,  Qu Shiru (西北工業大学 自動化学院,陜西 西安,710072) ,  Jin Hongxia (西北工業大学 自動化学院,陜西 西安,710072)
資料名： Xibei Gongye Daxue Xuebao  (Xibei Gongye Daxue Xuebao)
巻： 35  号： 4  ページ： 690-697  発行年： 2017年 
JST資料番号： C2195A  ISSN： 1000-2758  CODEN： XGDUE2  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 多重サンプル学習フレームワークに基づく画像分類アルゴリズムは,画像の分類において優れた分類性能を示す。それらの特有の多義性オブジェクト表現能力に基づいている。しかし,従来のパケット空間学習アルゴリズムは,特徴選択プロセスにおいて,小さなターゲットの概念領域を無視し,多くの冗長情報を含む問題があり,それは,部分的訓練パケット損失を引き起こし,分類性能に影響を及ぼす。この問題を解決するために,多重サンプル学習とスパース符号化理論に基づく改良型マルチ分類画像分類アルゴリズムを提案した。まず第一に,クラスタ化アルゴリズムを用いて,クラスタ化アルゴリズムを用いて,画像の視覚的語彙を構築し,負のパケットのすべてのケースを負の特性として用いて,視覚的語彙を制約し,冗長情報を除去した。訓練サンプルと視覚的語彙の類似性に従って,訓練サンプルの各特徴ベクトルを得た。次に,スパース符号化理論に基づいて,訓練セットの特徴ベクトルをまばらに符号化し,1クラスの訓練サンプルの辞書マトリックスを得た。最後に,分類サンプルの特徴をスパース線形結合により分類し,分類サンプルのクラスラベルを予測した。CORELデータセットに関する実験結果は,提案した方法が他の分類アルゴリズムと比較して,画像分類問題をより良く解決することができて,より高い分類精度を有することを示した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 語彙 ,  類似性 ,  *アルゴリズム ,  視覚 ,  学習 ,  クラスタ化 ,  *画像 ,  *パケット ,  *透視図法 ,  符号化 ,  特徴ベクトル ,  スパースコーディング ,  改変
準シソーラス用語： *画像分類 ,  *分類アルゴリズム ,  *スパース表現 , 【Automatic Indexing@JST】

著者キーワード (4件)： bag feature ,  sparse representation ,  multiple instance learning ,  image classification

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： パケット ,  スパース表現 ,  分類アルゴリズム