基于特征降维和图排序的图像分类
计算机视觉与模式识别
2013-04-10 v1
摘要
图像特征降维在图像检索和分类任务中起重要作用。最近提出了两类方法以提高降维问题的准确性和效率：一种使用非负矩阵分解(NMF)描述基矩阵空间上的图像分布；另一种训练子空间投影矩阵将原始数据投影到具有深层架构的低维子空间，从而学习低维编码。同时，基于图的相似性学习算法利用上下文信息提高图像排序效果，也用于图像分类和检索问题。本文在分别使用上述两种方法降低图像高维特征后，学习基于图的相似性进行图像分类。在图像数据库上比较了所提方法与其他方法。
引用
@article{arxiv.1304.2683,
title = {Image Classification by Feature Dimension Reduction and Graph based Ranking},
author = {Yao Nan and Qian Feng and Sun Zuolei},
journal= {arXiv preprint arXiv:1304.2683},
year = {2013}
}
备注
4 pages