基于屬性學(xué)習(xí)的零樣本圖像分類研究.pdf_第1頁
已閱讀1頁,還剩108頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、零樣本圖像分類是目前遷移學(xué)習(xí)領(lǐng)域的研究熱點之一,與傳統(tǒng)的圖像分類問題不同,零樣本圖像分類在測試階段所分類和識別的樣本未參與分類器模型的訓(xùn)練。在零樣本圖像分類問題中,為了實現(xiàn)從可見類別到不可見類別的知識遷移,分類模型就需要通過視覺屬性(屬性)來搭建一座從底層特征到類別標(biāo)簽的橋梁。屬性是指可以通過人工標(biāo)注并且能在圖像中觀察到的特性,是圖像內(nèi)容的高層描述,能夠同時被機器和人理解。大量的研究已經(jīng)顯示了屬性學(xué)習(xí)在目標(biāo)識別、圖像描述以及零樣本學(xué)習(xí)等

2、方面的作用。
  首先,針對屬性學(xué)習(xí)、零樣本圖像分類以及基于屬性學(xué)習(xí)的零樣本學(xué)習(xí)的國內(nèi)外研究現(xiàn)狀進行了分析。然后,分別從二值屬性和相對屬性兩個方面入手,針對現(xiàn)有的基于屬性學(xué)習(xí)的零樣本圖像分類所存在的不足進行改進。論文的主要工作包括:
 ?。?)傳統(tǒng)的間接屬性預(yù)測模型(IAP)假設(shè)樣本的屬性之間是相互獨立的,即每個參與分類器訓(xùn)練的屬性對于圖像分類的重要性是相同的。然而在實際應(yīng)用中,不同的屬性對于分類的貢獻程度不是完全相同的,因

3、此這種假設(shè)會在一定程度上降低分類準(zhǔn)確率。為此,提出一種基于關(guān)聯(lián)概率的間接屬性加權(quán)預(yù)測模型(RP-IAWP)。首先,分析屬性與對象類別之間存在的相關(guān)關(guān)系;其次,采用關(guān)聯(lián)概率對屬性與類別之間的相關(guān)性進行量化度量;然后,根據(jù)屬性與類別之間的關(guān)聯(lián)概率為每個屬性賦予相應(yīng)的權(quán)重;最后,將屬性權(quán)重引入傳統(tǒng)的IAP模型中,并進一步將其應(yīng)用于零樣本圖像分類。
  (2)對于具有相似屬性的類別而言,在有限維度的語義屬性下,基于屬性的零樣本圖像分類器難

4、以對它們進行正確區(qū)分。針對語義屬性描述類別的有限性,在直接屬性預(yù)測模型(DAP)的基礎(chǔ)上,提出一種基于混合屬性的直接屬性預(yù)測模型(HA-DAP)。首先,對樣本的底層特征進行稀疏編碼并利用編碼后的非語義屬性來輔助現(xiàn)有的語義屬性;然后,將非語義屬性與語義屬性構(gòu)成混合屬性并將其作為DAP模型的屬性中間層,利用直接屬性預(yù)測模型的思想進行混合屬性分類器的訓(xùn)練;最后,根據(jù)預(yù)測的混合屬性以及屬性與類別之間的關(guān)系進行測試樣本類別標(biāo)簽的預(yù)測。
  

5、(3)傳統(tǒng)的基于相對屬性的零樣本圖像分類算法需要為每個屬性單獨訓(xùn)練一個屬性排序函數(shù),沒有考慮屬性與類別之間的關(guān)系。為此,提出一種基于共享特征相對屬性的零樣本圖像分類算法(RA-SF)。首先,采用多任務(wù)學(xué)習(xí)的思想來共同學(xué)習(xí)類別分類器和屬性分類器,進而得到二者共享的一個低維特征子空間;然后,利用這些共享特征來學(xué)習(xí)屬性排序函數(shù);最后,基于測試樣本的屬性排序得分,利用最大似然估計預(yù)測測試樣本的類別標(biāo)簽。這種共享特征可以聯(lián)系對象的類別及其相對屬性

6、,因此學(xué)習(xí)得到的屬性排序函數(shù)將更加可靠,進而能夠有效提高后續(xù)零樣本圖像分類任務(wù)的識別率。
 ?。?)針對傳統(tǒng)的相對屬性在解決零樣本圖像分類問題時,存在的模型分布假設(shè)不合理、建模受到人為主觀因素的影響以及分類器性能不佳等多方面的不足,提出一種基于相對屬性的隨機森林零樣本圖像分類算法(RF-RA)。首先,通過自動挑選類別之間的相對屬性關(guān)系來為每一個可見類與不可見類的樣本建立屬性排序得分模型;然后,利用所有樣本的屬性排序得分模型來訓(xùn)練隨

7、機森林分類器;最后,根據(jù)測試樣本的屬性排序得分以及訓(xùn)練得到的隨機森林分類器對測試樣本的標(biāo)簽進行預(yù)測。與傳統(tǒng)的基于相對屬性的零樣本圖像分類算法相比, RF-RA不僅可以避免人工建模所帶來的不穩(wěn)定性,而且還能降低最大似然估計方法帶來的分類誤差,并提高零樣本分類的準(zhǔn)確度。
  將所提零樣本圖像分類算法應(yīng)用于場景識別數(shù)據(jù)集(OSR)、公開人臉數(shù)據(jù)集(Pub Fig)、屬性發(fā)現(xiàn)數(shù)據(jù)庫--鞋類數(shù)據(jù)集(Shoes)以及動物數(shù)據(jù)集(AWA),實驗

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論