该文提出基于Bag of words模型,提取图像的SIFT特征,然后用K-medoids算法对其进行聚类,生成词典查询所需用的关键字,最后用adaboosting算法构建分类器,实验采用pascal图像库中的数据进行训练和测试,实验证明,该算法具有训练和测试速度快...该文提出基于Bag of words模型,提取图像的SIFT特征,然后用K-medoids算法对其进行聚类,生成词典查询所需用的关键字,最后用adaboosting算法构建分类器,实验采用pascal图像库中的数据进行训练和测试,实验证明,该算法具有训练和测试速度快,分类精度高等特点,特征提取速度和分类速度非常快。展开更多
将Bag of Features模型结合OpenCV开源图像库提取害虫图像的特征,然后用Kmedoids算法对其进行聚类,生成关键字,最后用AdaBoosting算法构建分类器,实验采用Pascal Voc图像库中的数据进行训练和测试,实验表明,该算法分类精度高、特征提取...将Bag of Features模型结合OpenCV开源图像库提取害虫图像的特征,然后用Kmedoids算法对其进行聚类,生成关键字,最后用AdaBoosting算法构建分类器,实验采用Pascal Voc图像库中的数据进行训练和测试,实验表明,该算法分类精度高、特征提取速度和分类速度也比较快。展开更多
文摘该文提出基于Bag of words模型,提取图像的SIFT特征,然后用K-medoids算法对其进行聚类,生成词典查询所需用的关键字,最后用adaboosting算法构建分类器,实验采用pascal图像库中的数据进行训练和测试,实验证明,该算法具有训练和测试速度快,分类精度高等特点,特征提取速度和分类速度非常快。