基于词袋模型的迁移学习算法

摘要：

在分类新类别图像时,词袋模型总需要重新学习视觉词典及分类器,而不能充分利用已经学习好的视觉词典.运用迁移学习的思想,提出一种视觉短语的迁移学习算法.这种视觉短语不仅包含图像的局部不变特征,而且包含特征间的空间结构信息,能更有效地描述不同类别图像之间的共同特征.在分类新类别图像时,算法通过迁移视觉短语而不是重新学习视觉词典,来完成图像分类任务.实验结果证明这种迁移算法能有效地利用已有知识,在分类新类别图像时取得很好的效果,而且还能适用于仅有少量训练样本的图像分类任务.

关键词：图像分类、词袋模型、迁移学习

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61273364,61272354,61105119;北京市自然科学基金4112047;中央高校基本科研业务费专项资金2011JBZ005

在线出版日期：2015-01-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：260-263,274