[发明专利]基于成对约束的在线词典再加权对图像进行分类的方法有效
| 申请号： | 201110325938.7 | 申请日： | 2011-10-24 |
| 公开（公告）号： | CN102509110A | 公开（公告）日： | 2012-06-20 |
| 发明（设计）人： | 谭铁牛;黄凯奇;任伟强;赵鑫 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06K9/46 |
| 代理公司： | 中科专利商标代理有限责任公司 11021 | 代理人： | 周国城 |
| 地址： | 100190 北*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于成对约束的在线词典再加权对图像进行分类的方法，包括：对所有训练集图像进行底层特征提取，构建初始视觉词典；采用稀疏编码对提取的底层特征进行特征变换，得到编码后的特征；对编码后的特征进行最大值汇聚，得到一个用向量表达的特征，以利用分类器进行分类；以及利用成对约束对所述用向量表达的特征进行在线词典再加权，并送入分类器进行训练和分类。本发明利用成对约束，可以有效地编码成对图像之间的关系，基于保守-激进训练策略提出的在线学习算法，大大减少了训练时间，并可以实现增量更新，尤其适用于海量数据集。 | ||
| 搜索关键词： | 基于 成对 约束 在线 词典 再加 图像 进行 分类 方法 | ||
【主权项】：
一种基于成对约束的在线词典再加权对图像进行分类的方法，其特征在于，包括：对所有训练集图像进行底层特征提取，构建初始视觉词典；采用稀疏编码对提取的底层特征进行特征变换，得到编码后的特征；对编码后的特征进行最大值汇聚，得到一个用向量表达的特征；以及利用成对约束对所述用向量表达的特征进行在线词典再加权，并送入分类器进行训练和分类。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于中国科学院自动化研究所，未经中国科学院自动化研究所许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201110325938.7/，转载请声明来源钻瓜专利网。
- 上一篇：盘式旋磁真空灭弧室
- 下一篇：一种氢能反应堆的建模方法
