Large-Scale Scene Classification Using Gist Feature

最新推荐文章于 2022-03-02 18:28:19 发布
最新推荐文章于 2022-03-02 18:28:19 发布
阅读量1.6k 收藏 1
点赞数
分类专栏： 论文
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liu2012huan/article/details/53013891
版权

1.论文介绍

使用GIST特征对于场景图片进行分类。对于分类器的选择，作者使用了基于 L2 正则， L2 损失的SVC方法，和基于核函数的SVM两种分类器。并在GIST特征的多尺度，多方向，不同划分图像块的三个方面进行了实验，结果表明带有核函数的SVM在提取GIST特征时使用18个方向，5个尺度，并使用4*4的划分卷积图像可以达到最好的分类结果。

2.方法介绍

2.1二维的Gabor 滤波器

对于二维的Gabor滤波器，可以使用如下的函数来近似
这里写图片描述

最低0.47元/天 解锁文章
LIUHUANUCAS
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Large-Scale Video Classification with Convolutional Neural Networks
08-06
论文：Large-Scale Video Classification with Convolutional Neural Networks
GIST 空间包络特征 推荐论文 简介
心之所向
12-27 1万+
GIST概念最初源自1979年Friedman A的论文，后于2001年被Oliva等人借用来代指空间包络特征，随后就是2003年由Torralba等人的继续研究。如果要了解的GIST的话，推荐看以下论文： GIST的概念起源：Framing pictures: the role of knowledge in automatized encoding and memory for gist
Large Scale Image Classification
This is bill的专属博客
10-15 611
Large Scale Image Classification Training a neural network with a large number of images presents several challenges. Even with the latest GPUs, it is not possible to train large networks using a lar...
Efficient Large-Scale Multi-Modal Classification 多模态学习论文阅读
一个nlp探险者的博客
07-02 1848
引言 多模态问题我们应该不会陌生。 Efficient Large-Scale Multi-Modal Classification（AAAI2018） 摘要 早期的互联网主要是基于文本的，但现代数字世界正变得越来越多模式。这里，我们研究多模态分类，其中一个模态是离散的，例如文本；而另一个是连续的，例如从卷积神经网络传输的视觉表示。我们关注的场景是，我们必须能够快速地对大量数据进行分类。研究了实现多模态融合的各种方法，并分析了它们在分类精度和计算效率方面的优缺点。我们的研究结果表明，即使使用简单的融合方法，
Large-scale Video Classification with Convolutional Neural Networks
qq_35912099的博客
08-10 709
Abstract: 1、使用一个新的100万数据集Sports-1M dataset，对cnn在大规模视频分类方面进行了广泛的经验评估 2、利用空间信息、局部时空信息、提出多分辨率框架 Related work: 传统方法 1、利用传统特征提取算法提取low-level feature 2、利用FV、BOW等进行编码 向量 3、利用SVM等进行分类.、或者和卷积特征进行融合堆叠 Models: Fusion结构-实际为堆叠 single frame - 静态特征 Late Fusio
gist feature
OpenCV中文网
03-06 1800
提取gist纹理特征提取代码 Here are some resources: Gist classifier: Page on Cornell Lear's Gist: LEAR - Software Matlab: Spatial envelope
Large-Scale-Multi-Class-Image-Based-Cell-Classification-with-Deep-Learning:具有深度学习的大规模多类基于图像的细胞分类
08-04
具有深度学习的大规模多类基于图像的细胞分类 ... git clone https://github.com/monaen/Large-Scale-Multi-Class-Image-Based-Cell-Classification-with-Deep-Learning .git --branch code --single-branch cd Meng20
Cost-Sensitive Alternating Direction Method of Multipliers for Large-Scale Classification
02-07
Large-scale classification is one of the most significant topics in machine learning. However, previous classification methods usually.require the assumption that the data has a balanced class ...
Land-Use Scene Classification 土地利用场景分类-数据集
03-18
该数据集包含21类卫星图像，例如建筑物，棒球场，高速公路等。图像的原始大小为256x256像素。最初，每个班级有100张图像。在将每个图像放大4倍后，每个类的大小将...Land-Use Scene Classification_images_datasets.zip
MNIST数据集的gist特征提取
01-21
这些天处理图像检索的一些benchmark数据集，今天处理了MNIST数据集，并对其进行了特征的提取。我的方法可能不一定是最优，但是按照这样的步骤来做，得到了我最后想要的特征数据结果。需要的朋友可以参考下。最后的生成文件太大，因此放在http://pan.baidu.com/s/1gdQP3Ab。
python-img_gist_feature：实现从图像中提取Gist特征（Matlab LMGist）
02-16
1 Gist功能是什么？ Gist特征是什么？ （1）具有宏观意义的图像场景的特征描述。一种宏观意义的场景特征描述 （2）只检测场景-“街上有人”。 不在乎有多少人和其他人。只识别“大街上有一些行人”这个场景，无需知道图像中在那些位置有多少人，或者有其他什么对象。 （3）要点向量可以代表图像的宏观含义。特征向量可以一定程度表征这种宏观场景特征 GIST有五个空间信封名称。 GIST中有五种对空间包络的描述方法 空间信封名称空间包络名 说明阐释 自然度 如果场景包含高水平的水平线和垂直线，则表明场景具有明显的人工痕迹，通常自然场景具有纹理区域和起伏的轮廓。 因此，边缘具有高度垂直于水平线的自然趋势，并且自然度高。场景，包含高度的水平和垂直线，这表明该场景有明显的人工痕迹，通常自然景象具有纹理区域和起伏的轮廓。所以，边缘具有高度垂直于水平高度的自然度低，反之自然度高。 开放度 打开还是关
An Active Learning Based LDA Algorithm for Large-Scale Data Classification
02-11
### 基于主动学习的LDA算法在大规模数据分类中的应用 #### 摘要与背景 本文提出了一种基于主动学习（Active Learning）的线性判别分析（Linear Discriminant Analysis，简称LDA）算法，旨在解决传统LDA算法在处理...
Feature系列－GIST
AdrianHust的专栏
02-25 5307
原文地址：Feature系列－GIST作者：lowrank http://ilab.usc.edu/siagian/Research/Gist/Gist.html   Gist/Context of a Scene We describe and validate a simple context-based scene recognition algorithm using a
PostgreSQL中的索引—5（GiST）下
Michaelia_hu的博客
03-02 611
"btree_gist"扩展 让我们把问题复杂化。我们扩大了我们卑微的生意，我们打算出租多间小屋： postgres=# alter table reservations add house_no integer default 1; 我们需要改变排他约束，以便将门牌号考虑在内。但是，GiST不支持整数的相等运算： postgres=# alter table reservations drop constraint reservations_during_excl; postgres=# a
机器学习——gist特征
图南zzz
01-07 5517
gist特征 gist特征是一个全局特征信息，借助Gabor滤波，在m个尺度，n个方向上进行卷积，得到mn个特征来描述图像 14.1 图像中的傅里叶变换 傅里叶变换可以看作是棱镜，能够将函数基于频率分解为不同的成分 表征图像描述属性 频率f 类似于亮度 幅值A 类似于对比度，图像中最亮和最暗的峰值之间的差 相位γ 原始波形，表示三角函数的偏移量 傅里叶变换编码 就是一系列的正弦函数编码，频率从0到最高对图像中的所有频率进行编码 一个只包含一个频率f1的信号在频谱上横坐标f为f
GIST特征描述符使用
weixin_34228387的博客
12-06 1101
一种场景特征描述 场景特征描述？ 通常的特征描述符都是对图片的局部特征进行描述的，以这种思路进行场景描述是不可行的。 比如：对于“大街上有一些行人”这个场景，我们必须通过局部特征辨认图像是否有大街、行人等对象，再断定这是否是满足该场景。但这个计算量无疑是巨大的，且特征向量也可能大得无法在内存中存储计算。 例如即使使用GIST进行1MB的图像数据搜索，也需要3.8GB的RAM空间。 ...
Gist 介绍
热门推荐
JonnyWei的专栏
07-16 4万+
转载自：http://www.worldhello.net/gotgithub/06-side-projects/gist.html Gist 在GitHub网站的导航条上就有Gist子网站的链接： https://gist.github.com/ ，在本节我们就揭开其面纱。 图6-1：GitHub上的Gist链接 Gist作为一个粘贴数据的工具，就像 Pastie 网站[
场景特征描述子(全局特征)-GIST
u013972657的博客
12-02 2776
本文参考：1.https://blog.csdn.net/qq_16234613/article/details/78909839 2.https://www.cnblogs.com/justany/archive/2012/12/06/2804211.html 1.GIST特点：GIST对场景进行识别分类不需要对图像进行分割和局部特征提取，相对于局部特征，该特征是更为“宏观”的特征描述方式，忽略图片的局部特点。 我们注意到：大多数城市看起来就像天空和地面由建筑物外...
Very Deep Convolutional Networks for Large-Scale Image Recognition" by Karen Simonyan and Andrew Zisserman (2014)
最新发布
05-12
"Very Deep Convolutional Networks for Large-Scale Image Recognition" is a research paper by Karen Simonyan and Andrew Zisserman, which was published in 2014. The paper introduces the architecture of ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值