細(xì)粒度物體分類算法研究與實(shí)現(xiàn).pdf

1、近年來，計(jì)算機(jī)視覺成為越來越熱門的研究領(lǐng)域，而圖像語義理解更是其中非常活躍的研究方向，從而實(shí)現(xiàn)對圖像數(shù)據(jù)的有效管理、組織和再利用。在計(jì)算機(jī)視覺領(lǐng)域中，對于圖像的認(rèn)知一般分為三個層次:第一層是以感知層為主的圖像內(nèi)容分析，主要是低層特征的提取和處理，比如紋理、顏色、時(shí)空關(guān)系等;第二層是以認(rèn)知層為主的圖像理解，主要是中層特征的提取和語義理解，包括圖像、場景、視頻的主要區(qū)域等;第三層是以情感層的圖像情感分析為主，該層主要是高層特征的分析，如人臉

2、表情分類、圖像情感分類等。人類對于圖像的理解和表達(dá)更接近于認(rèn)知層的分析，因此對于物體的檢索與分類主要是利用圖像包含的主要場景和主要物體來進(jìn)行。這是計(jì)算機(jī)視覺領(lǐng)域較核心的問題，近年來引起了很多學(xué)者的關(guān)注和研究。
　　現(xiàn)今對于圖像的物體分類大多是針對粗粒度物體類別的分類，比如:汽車、房子、花叢等不同類別之間的分析，缺少的是相似類別之間的分析，無法做進(jìn)一步更精細(xì)的劃分和多層次分類。因此，如何更精細(xì)、準(zhǔn)確、高效地實(shí)現(xiàn)圖像的物體分類，具有著

3、重要的理論意義和實(shí)用價(jià)值。
　　本文以細(xì)粒度物體分類為出發(fā)點(diǎn)，構(gòu)建了細(xì)粒度車型圖像數(shù)據(jù)庫，并深入研究了兩種主流的物體分類方法，最后通過實(shí)驗(yàn)對分類方法進(jìn)行分析與驗(yàn)證。
　　第一種方法是基于部件模型的細(xì)粒度物體分類方法。它首先通過弱標(biāo)記方法和隱支持向量機(jī)迭代判別算法對物體進(jìn)行模型訓(xùn)練，再通過圖像特征金字塔與部件濾波器的匹配來確定物體的部件區(qū)域及圖像的中層特征，最后將圖像的低層特征與中層特征融合起來從而得到新的圖像特征。