利用显著性检测与特征分类改进地标识别
计算机视觉与模式识别
2018-12-03 v1
摘要
图像地标识别一直是视觉与感知领域中最受关注的分类挑战之一。在多年来对图像中建筑和纪念碑进行通用分类之后,人们现在聚焦于细粒度问题——识别每个建筑或纪念碑的类别。我们提出了一种集成网络用于印度地标图像的分类。为此,我们的方法通过集成图基视觉显著性(GBVS)网络与监督的基于特征的分类算法(如 kNN 和随机森林)的预测来给出鲁棒分类。最终架构是所有上述网络的自适应学习。所提出的网络产生可靠分数以排除错误类别情况。我们的模型在一个新数据集上进行了评估,该数据集涉及地标杂乱、尺度可变、部分遮挡等挑战。
引用
@article{arxiv.1811.12748,
title = {Improving Landmark Recognition using Saliency detection and Feature classification},
author = {Akash Kumar and Sagnik Bhowmick and N. Jayanthi and S. Indu},
journal= {arXiv preprint arXiv:1811.12748},
year = {2018}
}
备注
Pre-print of the paper to be published in Springer, accepted in the proceedings of the in 2nd Workshop on Digital Heritage at the 11th Indian Conference on Computer Vision, Graphics and Image Processing