一种新的目标检测方法：Latent Dirichlet classification

• 作 者: 丁轶 郭乔进 李宁
• 机 构: 南京大学计算机软件新技术国家重点实验室
• 出 处: 南京大学学报(自然科学版)
• 发表日期: 2012年02期
• 关键词: 潜在迪利克雷分布 目标检测 变分推理 主题模型 latent Dirichlet allocation object-detection variation
• 基金项目: 国家自然科学基金（60875011）,江苏省自然科学基金重点项目（BK2010054）

图像目标检测的任务是通过对图像分块或者分区域提取特征,进行学习和分类,从而检测出目标在图像中的位置.基于潜在迪利克雷分布模型,提出一种应用于目标检测的主题模型latentDirichlet classification(LDC),结合图像连续值局部特征和共生关系来进行目标检测.LDC模型将latentDirichlet allocation(LDA)生成的主题信息作为权重赋予样本,生成多份样本,然后利用多份样本训练多个分类器进行集成分类.实验结果表明利用LDC模型能有效提高检测精度.