基于视觉特征低维嵌入的细粒度图像分类

摘要：

为了减少原图像特征空间中高维数据的冗余,解决细粒度数据分布在特征空间中无法线性可分的问题,提出一种结合视觉特征低维嵌入和非线性映射的细粒度图像分类算法.首先将视觉特征嵌入到低维空间来减少冗余数据对分类造成的干扰,提高分类模型对测试数据的泛化能力;然后通过基于排序的目标函数来训练多个线性分类器,建立类别和低维视觉嵌入之间的非线性关系,有效地区分不同类别的细粒度样本之间的细微差异.实验结果表明,该算法有效地改进了现有的细粒度图像分类方法,显著提高对未知测试样本的分类精度.

关键词：零样本学习、细粒度图像分类、双线性兼容模型、低维视觉嵌入

所属期刊栏目：29

分类号：TP391.41(计算技术、计算机技术)

资助基金：广东省普通高校省级重大科研项目262524136;广东省普通高校青 年创新人才项目220413157

在线出版日期：2017-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：2330-2335