基于PLSA和卡方模型的视觉词袋方法

所需积分/C币:5 2021-03-04 08:46:10 461KB PDF
6
收藏 收藏
举报

在传统的基于视觉单词袋(BoVW)模型的对象分类方法中,视觉单词的同义和歧义问题始终存在。 此外,嘈杂的视觉单词,即所谓的“视觉停用词”将降低视觉词典的语义分辨率。 有鉴于此,提出了一种基于PLSA和卡方模型的视觉分类方法。 首先,利用概率潜在语义分析(PLSA)分析视觉单词的语义共现概率,推断图像中潜在的语义主题,并得到单词引起的潜在主题分布。 其次,采用KL散度度量视觉词之间的语义距离,可以得到语义相关的同义词。 然后,结合自适应软分配策略,实现SIFT特征与同义词之间的软映射。 最后,引入卡方模型以消除“视觉停用词”并重建视觉词汇直方图。 此外,SVM(支持向量机)用于完成对象分类。 实验结果表明,可以有效克服视觉单词的同义词和歧义问题。 与传统方法相比,视觉语义分辨率的分辨能力以及对象分类性能大大提高。

...展开详情
试读 16P 基于PLSA和卡方模型的视觉词袋方法
立即下载 低至0.43元/次 身份认证VIP会员低至7折
一个资源只可评论一次,评论内容不能少于5个字
您会向同学/朋友/同事推荐我们的CSDN下载吗?
谢谢参与!您的真实评价是我们改进的动力~
  • 至尊王者

关注 私信
上传资源赚钱or赚积分
最新推荐
基于PLSA和卡方模型的视觉词袋方法 5积分/C币 立即下载
1/16
基于PLSA和卡方模型的视觉词袋方法第1页
基于PLSA和卡方模型的视觉词袋方法第2页
基于PLSA和卡方模型的视觉词袋方法第3页
基于PLSA和卡方模型的视觉词袋方法第4页

试读结束, 可继续读1页

5积分/C币 立即下载 >