| 基于SVM的BoVW距离度量学习 |
| |
| 引用本文： | 吕清秀,郭志刚,赵永威. 基于SVM的BoVW距离度量学习[J]. 信息工程大学学报, 2013, 14(5): 585-590 |
| |
| 作者姓名： | 吕清秀 郭志刚 赵永威 |
| |
| 作者单位： | 信息工程大学，河南 郑州 450001 |
| |
| 摘 要： | 在视觉单词包模型（bag of visual words,BoVW）模型中,由于特征检测的不足、聚类算法的缺陷及视觉单词的量化误差,用BoVW模型产生的视觉词典中,存在视觉单词同义性和歧义性的问题,因此用BoVW计算图像距离时,效果不太理想.BoVW模型产生的词典规模巨大,学习一个普通矩阵需要的运算量难以接受.针对BoVW模型上述缺陷,文章提出了一种基于SVM的BoVW距离度量学习方法.该方法利用SVM训练一个将相似图像对与非相似图像对最大程度分离的超平面,得到计算词频直方图点积的权重矩阵.在Oxford图像集上的检索实验表明了该方法的有效性.
|
| 关 键 词： | 距离度量学习 图像检索 支持向量机 视觉单词 |
SVM Based BoVW Distance Metric Learning |
| |
| LV Qing xiu,GUO Zhi gang,ZHAO Yong wei. SVM Based BoVW Distance Metric Learning[J]. , 2013, 14(5): 585-590 |
| |
| Authors: | LV Qing xiu GUO Zhi gang ZHAO Yong wei |
| |
| Affiliation: | Information Engineering University, Zhengzhou 450001, China |
| |
| Abstract: | Due to the imperfect feature detection, cluster algorithm drawback, and quantization error existing in bag of visual words （BoVW） , the visual vocabulary produced by BoVW has the visual word synonymy and polysemy problem, therefore it is not satisfactory to measure image distance u- sing BoVW. Aiming at the above-mentioned BoVW defects, this paper presents an SVM based BoVW distance metric learning. This approach uses SVM to train a hyperplane which ean separate similar image pairs and dissimilar image pairs to a large degree, and get a weight for each dimension used to compute the visual words histogram point product. Experiments on Oxford image datasets demonstrate that the approach is effective. |
| |
| Keywords: | distance metric learning image retrieval SVM bag of visual words |
| 本文献已被 维普 等数据库收录！ |
| 点击此处可从《信息工程大学学报》浏览原始摘要信息 |
|
点击此处可从《信息工程大学学报》下载免费的PDF全文 |
|
