摘要:该文基于稀疏编码和集成学习提出了一种新的多示例多标记图像分类方法。首先,利用训练包中所有示例学习一个字典,根据该字典计算示例的稀疏编码系数;然后基于每个包中所有示例的稀疏编码系数计算包特征向量,从而将多示例多标记问题转化为多标记问题;最后利用多标记分类算法进行求解。为了提高分类器的泛化能力,对多个分类器进行集成。在多示例多标记图像数据集上的实验结果表明所提方法与其它方法相比有更好的性能。
关键词:图像分类 多示例多标记学习 稀疏编码 集成学习
单位:西安电子科技大学智能感知与图像理解教育部重点实验室 西安710071
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社