基于多核的多实例学习算法的图像分类

本文提出了一种基于多核（MK）框架的多实例学习（MIL）算法，用于图像分类。 这种新开发的算法将每个图像定义为一个包，并将从其分割区域中提取的低级视觉特征作为实例。 该算法从基于通过亲和力传播（AP）聚类方法生成的“视觉单词”集合从实例构造“单词空间”开始。 在计算了“视觉词”与袋子（图像）之间的距离之后，引入了一种非线性映射机制，用于将每个袋子注册为“词空间”中的坐标点。 在这种情况下，MIL问题被转换为标准的监督学习问题，该问题允许对多核支持向量机（MKSVM）分类器进行图像分类训练。 与许多流行的MIL算法相比，该方法被称为MKSVM-MIL，在COREL数据集上显示了令人满意的实验结果，突出了图像分类应用的鲁棒性和有效性。