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
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。
对于二维的Gabor滤波器,可以使用如下的函数来近似