-
题名基于内积加权局部聚合描述子向量的图像分类
被引量:1
- 1
-
-
作者
龙显忠
熊健
-
机构
南京邮电大学计算机学院、软件学院、网络空间安全学院
江苏省大数据安全与智能处理重点实验室
南京邮电大学通信与信息工程学院
-
出处
《中国科技论文》
CAS
北大核心
2021年第3期259-265,共7页
-
基金
国家自然科学基金资助项目(61906098,61701258)。
-
文摘
局部聚合描述子向量(vector of locally aggregated descriptors,VLAD)是一种硬编码方式,会导致较大的量化损失。为了解决此问题,提出了一种基于内积加权的VLAD编码(inner product weighted vector of locally aggregated descriptors,IPWVLAD),它是一种软编码方式,为图像中的每个描述子寻找若干个近邻的基向量,并采用内积编码的方式生成权重信息添加到累积残差中。对于最近邻的基向量和描述子之间的残差给予最大的权重,对于次近邻的情况依次赋予越来越小的权重。在Corel 10、15 Scenes、UIUC Sport Events数据集上的实验结果表明,与已有的4种基于VLAD的方法和2种常用的表示方法相比,本文所提出的IPWVLAD编码获得了较好的分类性能。
-
关键词
尺度不变特征转换
字典学习
特征编码
局部聚合描述子向量
内积编码
图像分类
-
Keywords
scale invariant feature transform
dictionary learning
feature encoding
vector of locally aggregated descriptors(VLAD)
inner product encoding
image classification
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-