圖形辨識演算法使用成對的區域圖形觀察與樸素貝氏分類器

我們提出使用成對的區域圖形觀察與樸素貝氏分類器的圖形辨識演算法，和當今以關鍵特徵點為基準的圖形分類方法不同，如金字塔式空間性匹配演算法以及其變形方法，它是提供當今最有效的圖形分類方法之一，但他無法直覺的解釋為什麼有優良的分類效果，和此類的演算法不相同的是，我們所提出的方法是一種不會受到圖形比例、絕對位置以及旋轉所影響的演算法，我們希望藉由將成對的區域圖形觀察建立辨識模型去模擬人類的視覺系統，此模型是利用描述物件突出的觀察區域之間的關係去描繪整體物件的外觀，首先我們會提供一些背景知識，包含關鍵點特徵擷取以及不同方之間的比較，當然還有關於顯著區域的偵測方法，接下來說明關於我們設計出的模型實際的操作方法以及好處，這邊會詳細說明所有的步驟以及流程，並提供理論推導，為了驗證我們方法的正確性，我們還會論證我們的假設以及猜測，並以實驗驗證我們的數學模型，我們以目前非常多人使用的圖形資料庫 Scene-15以及Caltech-101資料庫用於演算法正確性驗證的實驗，並將正確率和詞袋模型以及金字塔式空間性匹配演算法做正確率的比較，並在最後以圖示化秀出部分實驗的結果。

關鍵字

樸素貝氏分類器；成對的區域圖形觀察；顯著區域；關鍵點特徵

並列摘要

We present image classification method using Naive Bayes classifier using pairwise local observations (NBPLO) based on the salient region (SR) selection and the local feature detection. Different from previous image classification algorithms, our method is a scale, translation, and rotation invariant classification algorithm. By transforming the pairwise local observations into training vectors, we may simulate the human visual system by developing the training classification model based on the neighboring relationship of the selected SRs. We verify our assumptions with Scene-15 and Caltech-101 database and compare the difference of mainstream feature point detection methods. And also compare the experiment results of bag-of-features (BoF) and SPM algorithms.

並列關鍵字

naive bayes classifier ； pairwise local observations ； salient region ； keypoint feature

參考文獻

[1] Lowe, David G. "Distinctive image features from scale-invariant keypoints." International Journal of Computer Vision 60.2 (2004): 91-110.

[4] Lazebnik, Svetlana, Cordelia Schmid, and Jean Ponce. "Beyond bags of features: Spatial pyramid matching for recognizing natural scene categories.",IEEE Conf. on Computer Vision and Pattern Recognition. Vol. 2. 2006.

[5] Yang, Jianchao, Kai Yu, Yihong Gong, and Thomas Huang. "Linear spatial pyramid matching using sparse coding for image classification." IEEE Conf. on Computer Vision and Pattern Recognition, 2009.

[7] Jiang, Zhuolin, Zhe Lin, and Larry S. Davis. "Label consistent K-SVD: learning a discriminative dictionary for recognition.", IEEE Transactions on Pattern Analysis and Machine Intelligence, 35.11 (2013): 2651-2664.

[8] Ahonen, Timo, Abdenour Hadid, and Matti Pietikainen. "Face description with local binary patterns: Application to face recognition." IEEE Trans. on Pattern Analysis and Machine Intelligence, 28.12 (2006): 2037-2041.

國際替代計量

圖形辨識演算法使用成對的區域圖形觀察與樸素貝氏分類器

全文下載

主題瀏覽