【摘 要】
：
本文在MILES算法的基础上，提出了一种利用视觉关键词辞典为特征空间的多示例学习算法，并在示例判定的过程中结合分割实现了目标检测与提取。该方法采用“Bag of WordS”模型，将
【机 构】
：
中国科学技术大学电子工程与信息科学系,合肥 230027
【出 处】
：
2010年全国模式识别学术会议(CCPR2010)
论文部分内容阅读
本文在MILES算法的基础上，提出了一种利用视觉关键词辞典为特征空间的多示例学习算法，并在示例判定的过程中结合分割实现了目标检测与提取。该方法采用“Bag of WordS”模型，将图像作为多示例包，表示该图像的若干视觉关键词作为包中示例，并把视觉关键诃辞典作为特征空间，通过对包中示例个数统计将其映射到特征空间中，随后采用1-norm SVM来挑选重要特征同时对图像进行分类;对判定为正的图像进行示例判定，以判定为正的示例作为相应的目标“种子”点，然后进一步结合图像分割结果，实现目标提取。在Caltech101等标准图像集上的实验结果证明了本文方法的有效性。
其他文献
提出一种基于内积能量构造得到具有良好分水岭结构梯度幅值图像来改进分割性能的方法。首先将内积能量运算作用于梯度幅值图像，有效的抑制图像中的噪声和细节。然后再利用非线
地表分析在越野环境理解中起着越来越重要的作用。本文主要研究草地分布问题。首先收集大量草地图片，依据颜色分为绿色草地和黄色草地，描绘出绿色草地在各种色彩空间中的分布，选
Fisher准则经常作为代价函数被用来优化核函数。然而，在许多应用中，即使在核空间，数据集也不是线性可分的，从而使得以此得到的优化核训练的SVM性能不能令人满意。基于此,本文提出
由于观测直接影响了滤波算法的估计性能，因而传感器管理逐渐成为了贝叶斯滤波问题中的一个研究热点。当对传感器进行动态优化时，各时刻状态先验概率分布发挥了重要的作用。然而
随着新课改的实施和发展,小学数学的课堂效率与质量越来越受到重视,为此教师打破的传统的教学模式,通过新的教学活动以及教学方式,优化小学数学课堂教学.考虑到课堂教学的整
特征选择可以有效改善分类效率和精度，已有方法通常只评价单个特征，较少评价特征子集。通过对每类数据的每维特征构建特征云,提出了一种度量特征分类能力的方法，并定义了特征互
自由响应信号是振动信号分析与识别的基础，在工程条件限制下振动响应信号有可能无法长时间采集导致采样点数达不到随机减量算法的要求，从而获得噪声程度较大的自由响应信号。针
物理是一门综合性极强的科目,在进行该科目的教学过程中需要加入实验教学,丰富课堂内容,改善授课模式,提高学生的学习效率.这也就需要教师在课堂中经常进行演示性实验,并开设
教师要树立以人为本,以学生为主体的教育理念,营造良好的课堂教学环境.课堂是学生学习的主要阵地,而学生的学习不应该是被动地接受外界信息,要让学生根据自己的情感、价值观
基于区域边缘检测、立体匹配和双目视觉技术的有效融合，提出了一种三维重建算法。首先，通过已经标定的双目摄像机拍摄同一目标的左右两幅图像。然后在经过极线校正的两幅匹配图