圖像分類算法與應(yīng)學(xué)習(xí)教案

1、會(huì)計(jì)學(xué)1圖像分類圖像分類(fn li)算法與應(yīng)算法與應(yīng)第一頁，共39頁。第1頁/共38頁第二頁，共39頁。第2頁/共38頁第三頁，共39頁。James Wang：1.語義類別（例如照片或者剪貼畫，室外）2.物體的羅列(luli)（人，籃球架，樓）3.抽象的語義（運(yùn)動(dòng)，打籃球）4.具體的語義（具體的描述一個(gè)圖像） 第3頁/共38頁第四頁，共39頁。第4頁/共38頁第五頁，共39頁。Caltech 101第5頁/共38頁第六頁，共39頁。 海灘(hitn) 恐龍(knglng) 非洲 第6頁/共38頁第七頁，共39頁。尺度尺度(chd)變化變化光照光照(gungzho)變化變化第7頁/共38頁第八

2、頁，共39頁。類內(nèi)差異類內(nèi)差異(chy)類間差異類間差異(chy)第8頁/共38頁第九頁，共39頁。第9頁/共38頁第十頁，共39頁。第10頁/共38頁第十一頁，共39頁。nSzummer和Picard 分類“室內(nèi)”/“室外” 顏色(yns)和紋理特征 K-NN 投票nSerrano SVM分類 SVM輸出結(jié)果相加nPaek和Chang 圖像分割 使用貝葉斯網(wǎng)絡(luò)第11頁/共38頁第十二頁，共39頁。Spatial Envelope -Oliva和Torralba提出(t ch)NaturalnessOpennessRoughnessExpansionRuggedness第12頁/共38頁第十三

3、頁，共39頁。Vogel和Schiele提出(t ch)第13頁/共38頁第十四頁，共39頁。第14頁/共38頁第十五頁，共39頁。感興趣區(qū)域感興趣區(qū)域(qy)檢測器檢測器描述描述(mio sh)子子第15頁/共38頁第十六頁，共39頁。第16頁/共38頁第十七頁，共39頁。第17頁/共38頁第十八頁，共39頁。 0, 1 s.t. 21 , min1jbyCbJjjjTjljjTxwwww xx :HX ,xxxxk第18頁/共38頁第十九頁，共39頁。0 , 2exp,22xxxxk0 , exp,2xxxxk高斯(o s)核（Gaussian RBF）: 0 , exp,xxxxk0 ,

4、 exp,xxxxk拉普拉斯核（Laplacian RBF）：0 , , ,cNdckdxxxx1 , 1 , ,11,xxxxxxk多項(xiàng)式核（polynomial）: 無限(wxin)多項(xiàng)式核（infinite polynomials）：第19頁/共38頁第二十頁，共39頁。Svetlana Lazebnik-Spatial Pyramid Matching Kernel(空間空間(kngjin)金字塔匹配核金字塔匹配核)Spatial Pyramid RBF Gaussian KernelSpatial Pyramid 2 Kernel 2Di=1,exp , 0llllXYXyI HHH

5、iHi 2Di=1,exp , 0llXyllXYllXyHiHiI HHHiHi第20頁/共38頁第二十一頁，共39頁。Corel圖像(t xin)庫中的10類Libsvm，5折交叉(jioch)驗(yàn)證C= 2-3, 2-1, , 215=2-15,2-13,25第21頁/共38頁第二十二頁，共39頁。Spatial Pyramid RBF Gaussian KernelSpatial Pyramid 2 Kerneln以上兩種核的結(jié)果都有所提高n1+4的形式(xngsh)最好n自動(dòng)學(xué)習(xí)出權(quán)重第22頁/共38頁第二十三頁，共39頁。多分類器融合多分類器融合(rngh)框架框架第23頁/共38頁

6、第二十四頁，共39頁。( )( )maxmin(min( ), ( )kkkx EETTeh tg th tg E0,1maxmin( , ()g h max min,kkiiehtg A 11g Agt111iiiiig Agg Ag g Ain 函數(shù)g : 2T 0,1叫做g模糊測度，如果它滿足如下性質(zhì)：(I) g()=0; (II) g(T)=1;(III) g(A)g(B), if AB 并且 A, BT(IV) 對(duì)于所有(suyu)的A, BT并且 AB = g(AB) = g(A) + g(B) +g(A)g(B) 對(duì)于某一個(gè) -1第24頁/共38頁第二十五頁，共39頁。第25頁/

7、共38頁第二十六頁，共39頁。特征名特征長度描述CH-RGB644bins R4bins G4bins BCH-HSV9632bins H+32bins S+ 32bins VCH-Lab10032bins L+32bins a+36bins bCCV1284bins R4bins G4bins B2Edge Histogram80PWT27Corel圖像(t xin)庫中的10類Libsvm，線性核C=2-5,2-4,2105折交叉(jioch)驗(yàn)證第26頁/共38頁第二十七頁，共39頁。平均精度平均精度我的方法我的方法84.66%DD-SVM81.5%Hist-SVM66.7%(Chen)

8、 79.8%(Qi)CCV80.52%MILES82.6%Qi88.8%DD-SVM(Qi)82%第27頁/共38頁第二十八頁，共39頁。 “海灘”被誤分為(fn wi)“山川”“山川”被誤分為(fn wi)“海灘”經(jīng)常經(jīng)常(jngchng)被誤分被誤分的圖片的圖片第28頁/共38頁第二十九頁，共39頁。Cat 0Cat 1Cat 2Cat 3Cat 4Cat 5Cat 6Cat 7Cat 8Cat 90.00.81.0Average precision of each image classImage categories RGB HSV Lab Edge CCV PWT

9、Fusion融合方法融合方法(fngf)與子分類器的精度與子分類器的精度對(duì)照對(duì)照第29頁/共38頁第三十頁，共39頁。1002003004005000.700.750.800.85Average Classification AccuracyNumber of Training Images Our Method DD-SVM1002003004005000.9Average Classification AccuracyNumber of training images Our Method CH-RGB CH-HSV CH-Lab EH CCV PWT不同訓(xùn)練樣本下的精度不同訓(xùn)練樣本下的精度(jn d)對(duì)對(duì)照照改進(jìn)：自動(dòng)(zdng)拋棄性能較差的分類器第30頁/共38頁第三十一頁，共39頁。第31頁/共38頁第三十二頁，共39頁。第32頁/共38頁第三十三頁，共39頁。第33頁/共38頁第三十四頁，共39頁。第34頁/共38頁第三十五頁，共39頁。第35頁/共38頁第三十六頁，共39頁。第36頁/共38頁第三十七頁，共39頁。第37頁/共38頁第三十八頁，共39頁。NoImage內(nèi)容(nirng)總結(jié)會(huì)計(jì)學(xué)。第2頁/共38頁。第3頁/共38頁。Torralba 收集了8000萬張32*32的圖片，用最近鄰方法進(jìn)行分類。詞匯表的