面向图像分类的高效无码本模型
计算机视觉与模式识别
2018-04-03 v2
摘要
图像分类中的词袋特征（BoF）模型在过去十年中得到了深入研究。与广泛使用的、通过预训练码本对图像建模的 BoF 方法不同，另一种无码本图像建模方法——我们称之为无码本模型（CLM）——受到的关注甚少。本文提出一种有效的 CLM，用单个高斯分布表示图像以进行分类。通过将高斯流形嵌入向量空间，我们表明，将我们的 CLM 简单结合线性分类器即可达到与最先进 BoF 方法（如 Fisher Vector）极具竞争力的准确率。由于我们的 CLM 位于高维黎曼流形上，我们进一步提出一种在高斯流形上联合学习低秩变换与支持向量机（SVM）分类器的方法，以降低计算和存储成本。为研究并缓解背景杂乱对我们 CLM 的副作用，我们还提出一种基于显著性检测的简单而有效的部分背景去除方法。在八个广泛使用的数据库上进行了大量实验，证明了我们 CLM 方法的有效性和效率。
引用
@article{arxiv.1507.02385,
title = {Towards Effective Codebookless Model for Image Classification},
author = {Qilong Wang and Peihua Li and Lei Zhang and Wangmeng Zuo},
journal= {arXiv preprint arXiv:1507.02385},
year = {2018}
}