融合深度特征的多示例学习陶俑图像分类

作者：温超; 屈健; 李展

来源：西北大学学报（自然科学版）, 2019, 49(06): 895-902.

DOI：10.16152/j.cnki.xdxbzr.2019-06-008

• 陶俑图像
• 多示例学习
• 卷积神经网络
• 多核
• 直推式支持向量机

针对陶俑文物的图像理解问题,陶俑分类可为其提供有价值的信息,该文提出了一种融合深度特征的多示例学习(MIL)方法用于陶俑图像分类。首先,对陶俑图像进行分割,提取出分割区域的手工特征(包括尺度不变特征变换和形态特征)和卷积神经网络特征;接着,采用联合字典学习获取多示例学习的多概念点,并使用多核将深度学习特征与传统手工特征融合到多示例学习框架;最后,利用直推式支持向量机进行分类。在陶俑图像集和MIL数据集上的实验结果表明,该文方法是有效的,且相较其他深度和非深度MIL算法具有更高的分类准确度。

• 单位
  西北大学