超像素词包模型与SVM分类的图像标注

发布时间：2017-07-18 13:13

  本文关键词：超像素词包模型与SVM分类的图像标注

  更多相关文章： 超像素分割 词包模型 支持向量机分类 视觉词汇 图像分类 图像标注

【摘要】：为了改善基于词包模型与支持向量机(SVM)分类一幅图对应一个标签的单标签分类问题,提出了一种基于超像素词包模型与SVM分类的图像标注算法。将超像素分割结果作为词包模型的基本单元,用词包模型生成的视觉词汇表示超像素区域特征,保留了图像中的同质区域,很好地利用了图像的区域特征。仿真结果表明,该方法能有效改善基于词包模型与SVM分类的单标签分类问题,且分类的准确性有所提高。
【作者单位】： 江南大学物联网工程学院;
【关键词】： 超像素分割 词包模型 支持向量机分类 视觉词汇 图像分类 图像标注
【分类号】：TP212
【正文快照】： 0引言图像标注通过对图像的底层特征进行语义建模,用生成的语义模型来标注图像内容。图像标注技术在医学图像标注、数字图书馆、机器人视觉场景理解、数码相片检索等方面具有广泛的应用前景。按照语义学习方法不同,图像标注可分为基于传统的分类方法[1~5]、基于概率统计模型方

【相似文献】

中国重要会议论文全文数据库 前1条

1 张国荣;;基于SVM分类算法的电力变压器故障诊断[A];第六届全国信息获取与处理学术会议论文集（2）[C];2008年

中国硕士学位论文全文数据库 前1条

1 赵晶晶;基于时序趋势特征的回转窑喂煤SVM分类方法[D];湖南大学;2011年

，

本文编号：557850