版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、圖像分類是計(jì)算機(jī)視覺(jué)和圖像理解領(lǐng)域中的重要研究方向,在一般圖像分類任務(wù)中存在著“表示”和“學(xué)習(xí)”兩大關(guān)鍵問(wèn)題。圖像的表示問(wèn)題通過(guò)增強(qiáng)圖像特征表示的可分性來(lái)降低后期分類學(xué)習(xí)的難度,基于有效編碼的特征表示方法由于所具有的生物視覺(jué)特性,表現(xiàn)出優(yōu)良的性能;在學(xué)習(xí)問(wèn)題中,由于傳統(tǒng)有監(jiān)督的機(jī)器學(xué)習(xí)方法在小樣本和訓(xùn)練/測(cè)試樣本不同分布的條件下的無(wú)法獲得可靠模型,而遷移學(xué)習(xí)可以在不同但是相關(guān)的領(lǐng)域或任務(wù)間共享知識(shí),可以有效利用現(xiàn)有的資源來(lái)幫助完成小樣本
2、情況下分類模型的學(xué)習(xí)。
本文以圖像分類為任務(wù)驅(qū)動(dòng),分別就圖像的有效編碼表示和集成遷移分類方法兩個(gè)問(wèn)題進(jìn)行研究,主要開(kāi)展了以下工作:
(1)分析并總結(jié)傳統(tǒng)圖像特征表示方法,并根據(jù)有效編碼的相關(guān)理論,重點(diǎn)介紹自然圖像的基元編碼表示方法。
(2)提出一種獨(dú)立子空間內(nèi)的圖像基元學(xué)習(xí)和編碼方法,采用無(wú)監(jiān)督方式學(xué)習(xí)獲取圖像基元,利用所得基元對(duì)規(guī)則網(wǎng)格劃分的圖像塊進(jìn)行編碼,并采用空間金字塔特征統(tǒng)計(jì)獲取高性能的圖像表示。<
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于遷移學(xué)習(xí)的SAR圖像分類方法研究.pdf
- 圖像分類中高階特征編碼方法的研究.pdf
- 基于深度學(xué)習(xí)的自然圖像分類方法的研究.pdf
- 基于特征分類的快速分形圖像編碼方法研究.pdf
- 基于稀疏編碼的圖像分類研究.pdf
- 基于詞袋模型和遷移學(xué)習(xí)的圖像分類算法研究.pdf
- 畢業(yè)論文范文——基于遷移深度網(wǎng)絡(luò)模型的自然圖像分類
- 基于稀疏編碼的圖像分類算法研究.pdf
- 基于Spark和集成學(xué)習(xí)的分類方法研究.pdf
- 基于Laplacian稀疏編碼的圖像分類研究.pdf
- 圖像分類方法研究.pdf
- 基于子空間學(xué)習(xí)和稀疏編碼的圖像分類算法研究.pdf
- 基于半監(jiān)督集成的遙感圖像的分割和分類.pdf
- 基于稀疏編碼理論的自然圖像處理研究.pdf
- 基于稀疏編碼的半監(jiān)督圖像分類研究.pdf
- 基于編碼的圖像檢索和數(shù)據(jù)分類研究.pdf
- 靜態(tài)醫(yī)學(xué)圖像和序列醫(yī)學(xué)圖像編碼新方法研究.pdf
- 基于遷移學(xué)習(xí)的高光譜圖像分類.pdf
- 基于空間約束和稀疏編碼的高光譜圖像分類.pdf
- 基于集成學(xué)習(xí)技術(shù)的圖像分類算法研究.pdf
評(píng)論
0/150
提交評(píng)論