图像分类算法与应 ppt课件

图像分类算法与应
min
Jw,b,
1 2
wT
w
C
l j1
j
s.t. yj wTxj b 1j
j 0, j
: X H
x x
kx ,x ' x , x '
图像分类算法与应
高斯核（Gaussian RBF）:
拉普拉斯核（Laplacian RBF）： 多项式核（polynomial）: 无限多项式核（infinite polynomials）：
0
图像分类算法与应
Corel图像库中的10类 Libsvm，5折交叉验证 C= 2-3, 2-1, ……, 215 γ=2-15,2-13,……,25
Spatial Pyramid RBF Gaussian Kernel
Spatial Pyramid χ2 Kernel
以上两种核的结果都有所提高 1+4的形式最好
图像分类算法与应
Vogel和Schiele提出
图像分类算法与应
感兴趣区域检测器
Dense Harris-Laplace Hessian-Laplace Harris Hessian Edge-Laplace Haar-Hessian DoG( Difference of
Gaussian)
图像分类算法与应
训练
传统的Reward-Punishment算法
设置初始gi 对训练样本的分类进行Reward和Punishment 对初始gi依赖，陷入局部最优解
邻方法进行分类
Szummer和Picard 分类“室内”/“室外” 颜色 和纹理特征 K-NN 投票
Serrano SVM分类 SVM输出结果相加 Paek和Chang 图像分割 使用贝叶斯网络
图像分类算法与应
Spatial Envelope ---Oliva和Torralba提出
Naturalness Openness Roughness Expansion Ruggedness
kx,x'expx2x2' 2, 0
k x ,x ' e x x p x '2, 0
k x ,x ' e x x p x ', 0
kx,x'expx x' , 0
k x ,x ' x ,x ' c d ,d N ,c 0
kx,x' 1 , x1,x' 1
1x,x'
Baidu Nhomakorabea
Svetlana Lazebnik-Spatial Pyramid Matching Kernel(空间金字塔匹配核)
e kh k(t)g (t) m E a T x [m in (m x iE n (h k(t)),g (E ))]max[m [i0n ,1](,g(h))] T
e k m a x m in h kti,g A i
gA1gt1
g A i g i g A i 1 g i g A i 1 1 i n
Spatial Pyramid RBF Gaussian Kernel Spatial Pyramid χ2 Kernel
D
2
IH X l,H Y l e x p i= 1H X l i H y li , 0
D
IH X l,H Y l exp i=1
H H X X ll ii H H y y llii2 ,
Learning, Kernel Methods(PMK,EMD) ) 多特征融合(Random Forest/Ferns,SVM) 图像空间信息的利用(Spatial Pyramid,
ABS-pLSA,TSI-pLSA,LDA(Fei-Fei) ) 感兴趣区域选取(Anna Bosch)
图像分类算法与应
图像分类算法与应
图像分类算法与应
研究背景 相关研究工作 已有工作基础 论文主要研究内容
图像分类算法与应
按照语义内容进行图像管理/图像浏览 减少人工标注时间(Flickr, Picasa) 辅助图像检索(Google, Baidu, Picsearch)
图像分类算法与应
James Wang： 1.语义类别（例如照片或者剪贴画，室外） 2.物体的罗列（人，篮球架，楼…………） 3.抽象的语义（运动，打篮球） 4.具体的语义（具体的描述一个图像）
图像分类算法与应
图像分类算法与应
Caltech 101
图像分类算法与应
非洲 恐龙 海滩
图像分类算法与应
光照变化
尺度变化
图像分类算法与应
类内差异
类间差异
图像分类算法与应
图像表示
底层视觉特征表示 语义图像表示 词包模型表示
机器学习算法
多示例学习算法
图像分类算法与应
Vailaya 6类假日图片 层次分类 贝叶斯分类器 Chang 全局特征，SVM分类器 付岩 3类图片 3种颜色特征对比 SVM分类器 Torralba 收集了8000万张32*32的图片，用最近
多示例训练集由包(bag)组成，每个包里面包含多 个实例(instance)。如果一个包为正例，则包中至 少有一个实例为正例；如果一个包为反例，则包 中所有的实例均为反例。
方法：
Maron─Diverse Density Andrew ─ Mi-SVM以及MI-SVM Chen ─ DD-SVM以及MILES Qi ─DD-SVM变种 周志华─MIML框架(Multi-Instance Multi-Label)
描述子
Patch SIFT gradient location and
orientation histogram (GLOH) shape context steerable filters moment invariants SURF
图像分类算法与应
词汇表的构造(K-Means,GMM,VQ,pLSA) 图像相似性的度量(Distance Metric
自动学习出权重
图像分类算法与应
多分类器融合框架
图像分类算法与应
函数g : 2T →[0,1]叫做gλ–模糊测度，如果它满足如下性质： (I) g(Φ)=0; (II) g(T)=1; (III) g(A)≤g(B), if A⊂B 并且 A, B⊂T (IV) 对于所有的A, B⊂T并且 A∩B = Φ g(A∪B) = g(A) + g(B) +λg(A)g(B) 对于某一个 λ > -1