Refined Classification Based on Kernel Approach.pdf

1、最近在圖像處理領(lǐng)域，基于對象的分類和檢測是一個(gè)很好的課題并且有非常廣泛的研究領(lǐng)域。對象分類包括兩種類型,一種是基本分類,另一種是精細(xì)分類。對象的精細(xì)分類對于研究人員來說是一項(xiàng)非常具有挑戰(zhàn)性的任務(wù)。對象的精細(xì)分類是屬于同一個(gè)基層分類(如不同的鳥類)并且擁有相似的外形或視覺表象。相同的鳥類，有不同的定位點(diǎn)，不同的鳥類可以有相同的定位點(diǎn)和表象，這都給分類研究增加了困難。
　　論文使用了有200多種鳥類的Caltech-UCSD鳥類數(shù)據(jù)集

2、，應(yīng)用詞袋模型為基本的核算法，論文應(yīng)用高效匹配核算法結(jié)合空間金字塔和主分量分析來進(jìn)行精細(xì)分類。最后的分類器使用支持向量機(jī)。
　　基于尺度不變特征變換在基本分類任務(wù)中的卓越性能，選其作為基本的檢測器。K均值聚類后，畫出每幅圖像的直方圖。高效匹配核是一種快速算法，核函數(shù)引導(dǎo)基于平均映射函數(shù)的兩幅圖的匹配，而不是圖像中每一點(diǎn)的匹配。當(dāng)與空間金字塔結(jié)合后，位置信息和直方圖信息會(huì)在匹配過程中得到表達(dá)。由于對一幅圖像來說，上述步驟會(huì)產(chǎn)生一個(gè)高