南京大学学报(自然科学版) ›› 2015, Vol. 51 ›› Issue (2): 320327.
王喆正, 唐 晔, 杨育彬 *
Wa ng Zhe zheng , Tang Ye , Yang Yubin *
摘要: 字典学习是图像分类的关键研究问题之一 . 现有的字典学习方法大都假设所有训练样本同等重要 . 实际上, 训练样本由于样本之间关联性作为一种“ 隐藏属性” 是未知的, 因此, 训练样本的学习顺序也与学习效果密切相
关 . 提出一种将自调学习机制融合于字典更新过程的新型字典学习方法, 在字典学习中, 学习的过程并不是一次处理所有训练样例, 而是从简单的训练样例学起, 通过迭代逐步扩展至整个训练数据集 . 针对自调式过程是一种无监
督式的学习这一特点, 融合类标机制, 利用图像类标信息进行监督, 得到一种更加高效的简单样本判别方法, 从而提高学习过程中反复迭代的效率 . 在 C a l t e c h - 1 0 1 数据集上进行图像分类实验, 并和其他几种字典学习算法进行了
分析和比较, 结果表明本文算法在字典表示以及分类效果上都取得了更好的效果 .
[ 1 ] S i v i c J , Z i s s e r m a n A.V i d e o g o o g l e : A t e x t r e t r i e v a la p p r o a c ht o o b j e c t m a t c h i n gi nv i d e o s . I n : I E E EI n t e r n a t i o n a lC o n f e r e n c eo nC o m p u t e r V i s i o n . N i c e , F r a n c e , 2 0 0 3 , 1 4 7 0~1 4 7 7. [ 2 ] L a z e b n i kS , S c h m i dC , P o n c eJ . B e y o n db a g so f f e a t u r e s : S p a t i a l p y r a m i d m a t c h i n g f o r r e c o g n i z i n g n a t u r a ls c e n e c a t e g o r i e s . I n : I E E E C o n f e r e n c eo nC o m p u t e rV i s i o na n dP a t t e r nR e c - o g n i t i o n . N e wY o r k , NY , 2 0 0 6 , 2 1 6 9~2 1 7 8. [ 3 ] W a n gJJ , Y a n g J C , Y u K , e ta l . L o c a l i t y - c o n s t r a i n e dl i n e a r c o d i n g f o r i m a g e c l a s s i f i c a t i o n . I n : I E E E C o n f e r e n c eo n C o m p u t e r V i s i o na n d P a t t e r n R e c o g n i t i o n . S a n F r a n c i s c o , C a l i f o r n i a , U S A , 2 0 1 0 , 3 3 6 0~3 3 6 7. [ 4 ] J i a Y Q , H u a n g C , D a r r e l l T. B e y o n ds p a t i a l p y r a m i d s : R e c e p t i v e f i e l d l e a r n i n g f o r p o o l e d i m a g e f e a t u r e s . I n : I E E EC o n f e r e n c e o nC o m p u t e r V i s i o n a n d P a t t e r n R e c o g n i t i o n .P r o v i d e n c e , R h o d e I s l a n d , U S A , 2 0 1 2 , 3 3 7 0~3 3 7 7. [5 ] L iFF , R o bF , P i e t r oP. L e a r n i n gg e n e r a t i v ev i s u - a l m o d e l s f r o m f e w t r a i n i n g e x a m p l e s : A n i n c r e m e n t a l B a y e s i a n a p p r o a c h t e s t e d o n 1 0 1 o b j e c tc a t e g o r i e s . C o m p u t e r V i s i o n a n dI m a g e U n d e r s t a n d i n g , 2 0 0 7 , 1 0 6 ( 1 ) : 5 9~7 0. [ 6 ] C s u r k aG , D a n c eCR , F a nLX , e t a l . V i s u a l c a t e - g o r i z a t i o nw i t hb a g so fk e yp o i n t s . I n : E u r o p e a n C o n f e r e n c e o n C o m p u t e r V i s i o n W o r k s h o p o n S t a t i s t i c a lL e a r n i n gi nC o m p u t e rV i s i o n . S l o v a n - s k y o s t r o v , P r a g u e , C z e c hR e p u b l i c , 2 0 0 4 , 1~2 2. [ 7 ] O l s h a u s e nBA , F i e l dDJ . S p a r s ec o d i n gw i t ha n o v e r c o m p l e t eb a s i ss e t : As t r a t e g ye m p l o y e db y V 1. V i s i o nR e s e a r c h , 1 9 9 7 , 3 7 ( 2 3 ) : 3 3 1 1~3 3 2 5. [ 8 ] Y a n gJC , Y uK , G o n gY H , e t a l . L i n e a rs p a t i a l p y r a m i dm a t c h i n gu s i n gs p a r s ec o d i n gf o r i m a g e c l a s s i f i c a t i o n . I n : I E E E C o n f e r e n c eo nC o m p u t e r V i s i o na n dP a t t e r nR e c o g n i t i o n . M i a m i , F l o r i d a , U S A , 2 0 0 9 , 1 7 9 4~1 8 0 1. [ 9 ] M a i r a l J , B a c hF , P o n c eJ , e t a l . O n l i n e d i c t i o n a r y l e a r n i n g f o r s p a r s e c o d i n g .I n : I n t e r n a t i o n a l C o n f e r e n c e o n M a c h i n e L e a r n i n g .M o n t r e a l , C a n a d a , 2 0 0 9 : 6 8 9~6 9 6. [ 1 0 ] T a n gY , Y a n gYB , G a oY. S e l f - p a c e dd i c t i o n a r y l e a r n i n gf o ri m a g ec l a s s i f i c a t i o n . I n : P r o c e e d i n g s o f t h e 2 0 t h A CMI n t e r n a t i o n a lC o n f e r e n c e o nM u l - t i m e d i a , N a r a , J a p a n , 2 0 1 2 , 8 3 3~8 3 6. [ 1 1 ]俞亚军, 霍 静, 史颖欢等 . S S X C S : 半监督学习 分类系统 . 南京大学学报( 自然科学) , 2 0 1 3 , 4 9 ( 5 ) : 6 1 1~6 1 8. [ 1 2 ] M a i r a lJ , B a c h F , P o n c e J , e ta l . S u p e r v i s e d d i c t i o n a r y l e a r n i n g . A d v a n c e s i n N e u r a l I n f o r m a t i o nP r o c e s s i n gS y s t e m s . V a n c o u v e r , B C , C a n a d a , 2 0 0 8 , 1 0 3 3~1 0 4 0. [ 1 3 ] Y a n g J C , Y u K , H u a n g T.S u p e r v i s e d t r a n s l a t i o n - i n v a r i a n t s p a r s e c o d i n g .I n : I E E E C o n f e r e n c eo nC o m p u t e rV i s i o na n dP a t t e r nR e c - o g n i t i o n . S a nF r a n c i s c o , C A , 2 0 1 0 , 3 5 1 7~3 5 2 4. [ 1 4 ] J i a n g Z L , L i n Z , L a r r y S D.L e a r n i n g a d i s c r i m i n a t i v ed i c t i o n a r yf o rs p a r s ec o d i n g v i a l a b e lc o n s i s t e n tk - s v d . I n : I E E E C o n f e r e n c eo n C o m p u t e r V i s i o n a n d P a t t e r n R e c o g n i t i o n . C o l o r a d oS p r i n g s , C O , U S A , 2 0 1 1 , 1 6 9 7~1 7 0 4. [ 1 5 ] K u m a r M P , P a c k e r B , K o l l e r D. S e l f - P a c e d L e a r n i n gf o rL a t e n tV a r i a b l e M o d e l s . A d v a n c e s i n N e u r a l I n f o r m a t i o n P r o c e s s i n g S y s t e m s . V a n c o u v e r , B C , C a n a d a , 2 0 1 0 , 1 1 8 9~1 1 9 7 [ 1 6 ] B e n g i o Y , L o u r a d o u r J , C o l l o b e r t R , e t a l . C u r r i c u l u ml e a r n i n g . I n : I n t e r n a t i o n a lC o n f e r e n c e o n M a c h i n e L e a r n i n g .M o n t r e a l , Q C , C a n a d a , 2 0 0 9 , 4 1~4 8. [ 1 7 ] L e eYJ , G r a u m a n K. L e a r n i n gt h ee a s yt h i n g s f i r s t : S e l f - p a c e d v i s u a lc a t e g o r y d i s c o v e r y . I n : I E E E C o n f e r e n c e o n C o m p u t e r V i s i o n a n d P a t t e r n R e c o g n i t i o n .C o l o r a d o S p r i n g s , C O , U S A , 2 0 1 1 , 1 7 2 1~1 7 2 8. [ 1 8 ] L e e H , B a t t l e A , R a i n a R , e t a l .E f f i c i e n t s p a r s e c o d i n ga l g o r i t h m s . A d v a n c e si nN e u r a l I n - f o r m a t i o n P r o c e s s i n gS y s t e m s . V a n c o u v e r , B C , C a n a d a |
No related articles found! |
|