應用支持向量機於動漫圖像分類

Apply support vector machine in anime images classification.

莊皓宇(Hao-Yu Chuang)

指導教授 ： 劉力瑜

國立臺灣大學/生物資源暨農學院/農藝學研究所/碩士(2018年)

https://doi.org/10.6342/NTU201800947

摘要

內容圖像檢索，是將圖片中的像素資料作為圖像搜尋依據，在圖片搜尋引擎中，依照提供的圖像找到相似的圖像，提供使用者從圖像資料庫找尋所需要的圖片，在像素的資料處理上，常會遇到變數資料過多樣本數過少之問題，如能利用對應之圖像分類統計演算法，可提升圖像搜尋準確度。
本研究使用支持向量機分類方法，將 30 位動漫人物圖像進行分類，從中比較核函數在多元分類與二元分類上校正後之準確率與執行效率，期望使用較少的像素資料與參數較少的分類法則作為動漫圖像分類的演算法。多元分類的部分，透過校正 3 種核函數後，使用 radial basis 核函數的非線性支持向量機分類方法比最鄰近分類法在動漫圖像多元分類較穩健，在二元分類情境下，線性支持向量機分類方法就能達到準確的分類效果，可依此做為日後圖庫搜尋系統之參考依據。

關鍵字

支持向量機 ； 多元分類 ； 二元分類 ； 圖像搜尋 ； 核函數

並列摘要

無資料

並列關鍵字

image retrieval ； support vector machine ； mutiple categories ； binary categories ； kernel

參考文獻

[1] Chang, C. I. (1999). Spectral Information Divergence for Hyperspectral Image Analysis. Geoscience and Remote Sensing Symposium. 1,509-511.

[2] Chapelle, O., Haffner , P., Vapnik, V. (1999). SVMs for Histogram-Based Image Classification, IEEE Transactions on Neural Networks. 10(5), 1055 – 1064.

[3] Chen, K., Li, R., Dou, Yong., Liang, Z., Lv, Qi. (2017). Ranking Support Vector Machine with Kernel Approximation. Computational Intelligence and Neuroscience, Volume 2017, Article ID 4629534, 9 pages.

[4] Chen, Y., Zhou, X. S., Huang, T. S. (2001). ONE-CLASS SVM FOR LEARNING IN IMAGE RETRIEVAL. Proceedings 2001 International Conference on Image Processing, 3, 34-37.

[5] Chiroma, H., Abdulkareem, S., Abubakar, A. I., Herawan, T. (2014). Kernel Functions for the Support Vector Machine: Comparing Performances on Crude Oil Price Data. Recent Advances on Soft Computing and Data Mining, 287, 273-281.