ECAI 2016论文精选 | 图像分类的随机分布特征

原创 2016年08月31日 11:08:12

导读:ECAI 2016是欧洲展示AI科学成果的最佳场所,大会为研究人员提供了很好的机会,去介绍和听取当代最优秀的人工智能研究成果。

图像分类的随机分布特征(Randomized Distribution Feature for Image Classification)

ECAI 2016论文精选 | 图像分类的随机分布特征

摘要:局部图像特征可以被假定是从一个未知的分布中描绘出来的。而对于图像分类,这样的特征则是通过基于直方图的模型或基于度量的模型进行比较。将这些局部特征为量化一组直方图,基于直方图的模型非常方便,而且有图像的矢量表示,但信息可能会在矢量量化时丢失。与基于直方图的模型不同的是,基于度量的模型在局部特征的潜在分布上估计指标,实现更好的预测性能。然而,该模型需要更高的计算成本,而且没有了矢量表示图像的效益。

为了保持这两种模式的优势,本文提出(双)随机分布特征,利用随机傅立叶特征将每个图像的局部特征的潜在分布表示成一个矢量特征。我们证明了相似性和距离的收敛基于随机分布特征。随机分布特征的显著优点是它有矢量表示,因此可以有效地计算成基于直方图的模型。此外,它提供了严格的理论保证和像基于度量的模型一样具有竞争性的性能。相比于结果最好的算法,在三个现实世界数据集中的实验表明,我们提出的方法以更快的计算速度达到了具有竞争性的分类精度。此外,我们证明了我们提出的特征可以利用基于矢量学习的方法,它在传统的机器学习领域早已受到广泛研究,以处理基于分布学习中的问题。

第一作者

Hongming Shan

职位:复旦大学计算机科学学院博士

研究方向:机器学习,数据挖掘,计算机视觉,降维,随机算法等

相关学术论文:

·“Learning Linear Representation of Space Partitioning Trees based on Unsupervised Kernel Dimension Reduction”(IEEE Transactions on Cybernetics, 2016)

·“Real-valued Multivariate Dimension Reduction”(Machine Learning and Application 2013)

via:ECAI  2016

PS : 本文由雷锋网(搜索“雷锋网”公众号关注)独家编译,未经许可拒绝转载!

原论文下载


版权声明:本文为博主原创文章,未经博主允许不得转载。

相关文章推荐

随机过程概念和分布特征

  • 2016-01-13 16:41
  • 1.00MB
  • 下载

BoW(Bag-of-Features)特征袋对图像进行分类的理解

特征袋的思想BoW(Bag-of-Features)[1]算法是由Csurka等在2004年提出并应用于图像处理领域的,该算法广泛应用于目标识别和图像检索。算法主要思想借鉴了文本检索的思想。在检索文本...

利用Python-caffe进行图像分类,卷积核的显示,激活值特征图的显示以及全连接层直方图显示

1:设置python,numpy,matplotlib #设置Python环境:numpy用于数值计算,matplotlib用于画图 # set up Python environment: nump...

图像特征检测和匹配论文

  • 2016-01-27 01:37
  • 909KB
  • 下载

基于图像的室内装修风格分类系统(二)---提取颜色特征

(一)先记下一些当时看的提取颜色特征的文章 http://blog.csdn.net/passball/article/details/5204132 //文章主要讲的是特征的定义以及各种特征提取和...

图像特征算子综述论文

  • 2013-09-04 19:16
  • 10.15MB
  • 下载
内容举报
返回顶部
收藏助手
不良信息举报
您举报文章:深度学习:神经网络中的前向传播和反向传播算法推导
举报原因:
原因补充:

(最多只允许输入30个字)