基于主題模型的圖像分類算法研究.pdf

1、利用主題模型來對(duì)實(shí)際的圖像進(jìn)行分類是實(shí)現(xiàn)圖像分類的一個(gè)重要手段，但在已有的工作中，要么使用圖像特征利用有監(jiān)督主題模型進(jìn)行分類，要么先使用圖像特征學(xué)習(xí)主題特征后，再通過分類器進(jìn)行分類，然而這些工作僅僅利用了圖像特征。
　　本文在分析總結(jié)已有工作的基礎(chǔ)上，為了進(jìn)一步提高分類的準(zhǔn)確率，本文嘗試將圖像特征與文本特征結(jié)合到了一起，再學(xué)習(xí)其主題特征，最后使用支持向量機(jī)進(jìn)行分類?；趦蓚€(gè)經(jīng)典的主題模型，本文提出了兩個(gè)多特征分類框架，主要研究工作

2、和貢獻(xiàn)如下：
　　1、提出了基于LDA模型的圖像分類框架。首先提取了每一幅圖片的圖像特征與文本特征，再通過算法將兩種特征結(jié)合在一起；其次利用LDA模型學(xué)習(xí)主題特征；最后，由于LDA模型學(xué)習(xí)的主題特征，使用支持向量機(jī)來實(shí)現(xiàn)對(duì)圖像的分類。在LableMe和UIUC-Sport兩個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，此分類框架提高了分類的準(zhǔn)確率。
　　2、提出了基于sLDA模型的圖像分類框架?？紤]到LDA模型學(xué)習(xí)的特征一般不適于分類，因而

3、在基于LDA模型的圖像分類框架基礎(chǔ)上，引入sLDA模型來進(jìn)一步提高對(duì)圖像的分類準(zhǔn)確率。該框架也是將提取到的圖像特征與文本特征融合在一起；其次，利用sLDA模型來學(xué)習(xí)適于分類的主題特征；最后，通過支持向量機(jī)來對(duì)sLDA模型學(xué)習(xí)的主題特征進(jìn)行分類。在LableMe和UIUC-Sport兩個(gè)真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，此框架與基于LDA模型的圖像分類框架和sLDA方法相比分類準(zhǔn)確率都高，進(jìn)一步說明了此框架的合理性。
　　本文提出了兩個(gè)基