基于潜在狄利克雷分配的图像多层视觉表示方法

计算机应用 ›› 2013, Vol. 33 ›› Issue (08): 2310-2312.

基于潜在狄利克雷分配的图像多层视觉表示方法

李冬睿¹,李梅²

1. 广东农工商职业技术学院计算机系，广州 510507;
2. 广东农工商职业技术学院网络中心，广州 510507

收稿日期:2013-03-07 修回日期:2013-04-23 出版日期:2013-08-01 发布日期:2013-09-11
通讯作者: 李冬睿
作者简介:李冬睿(1983-)，男，广东广州人，讲师，硕士，主要研究方向：图形图像处理、模式识别、嵌入式控制;
李梅(1973-)，女，山西太原人，副教授，硕士，主要研究方向：网络编程、人工智能。
基金资助:
广东省科技厅资助项目;广东省经济和信息化委员会资助项目

Image multilayer visual representation method based on latent dirichlet allocation

LI Dongrui¹,LI Mei²

1. Department of Computer, Guangdong Agriculture Industry Business Polytechnic College, Guangzhou Guangdong 510507, China
2. Network Center, Guangdong Agriculture Industry Business Polytechnic College, Guangzhou Guangdong 510507, China

Received:2013-03-07 Revised:2013-04-23 Online:2013-09-11 Published:2013-08-01
Contact: LI Dongrui

摘要/Abstract

摘要： 针对前馈型图像多层视觉表示方法难以处理局部模糊情况，提出一种基于潜在狄利克雷分配(LDA)的图像多层视觉表示方法——LDA-IMVR。通过递归的概率分解方式，获得LDA的递归生成模型；同时，通过学习和推断多层结构的所有分层，以及利用反馈方式来提高分类学习性能。在Caltech 101数据集上的实验结果表明，与相关的多层视觉表示方法比较，LDA-IMVR提高了数据对象的分类性能，并且在分量学习和图像特征区域可视化方面也得到了较好的效果。

关键词: 分层视觉表示, 计算机视觉, 潜在狄利克雷分配, 递归, 反馈

Abstract: Image layer visual representation has been currently used in computer vision field, but it is difficult for feed-forward image multilayer visual representation methods to deal with local ambiguities. An image multilayer visual representation method based on Latent Dirichlet Allocation (LDA) named LDA-IMVR was proposed. It derived a recursive generative model of LDA by implementing recursive probabilistic decomposition process. Meanwhile, it learned and deduced all layers of the hierarchy together, and improved classification and learning performance by using feed-back style. The approach was tested on Caltech 101 dataset. The experimental results show that the proposed method improves classification performance of objects compared with related hierarchical approaches, and it achieves better results in learned components and image patches visualization.

Key words: layer visual representation, computer vision, Latent Dirichlet Allocation (LDA), recursive, feed-back

中图分类号:

TP391

李冬睿李梅. 基于潜在狄利克雷分配的图像多层视觉表示方法[J]. 计算机应用, 2013, 33(08): 2310-2312.

LI Dongrui LI Mei. Image multilayer visual representation method based on latent dirichlet allocation[J]. Journal of Computer Applications, 2013, 33(08): 2310-2312.

[1]	刘晓光, 靳少康, 韦子辉, 梁铁, 王洪瑞, 刘秀玲. 基于阈值和极端随机树的实时跌倒检测方法[J]. 计算机应用, 2021, 41(9): 2761-2766.
[2]	马佳良, 陈斌, 孙晓飞. 基于改进的Faster R-CNN的通用目标检测框架[J]. 计算机应用, 2021, 41(9): 2712-2719.
[3]	郭天晓, 胡庆锐, 李建伟, 沈燕飞. 基于人体骨架特征编码的健身动作识别方法[J]. 计算机应用, 2021, 41(5): 1458-1464.
[4]	吴蕾, 杨晓敏. 改进的基于通道注意力反馈网络的遥感图像融合算法[J]. 计算机应用, 2021, 41(4): 1172-1178.
[5]	覃俊, 罗一凡, 帖军, 郑禄, 吕伟龙. 基于超列注意力机制的京剧人物识别[J]. 计算机应用, 2021, 41(4): 1027-1034.
[6]	傅魁, 梁少晴, 李冰. 基于改进的深度Q网络结构的商品推荐模型[J]. 计算机应用, 2020, 40(9): 2613-2621.
[7]	李鸣, 郭晨皓, 陈星. 视觉类深度神经网络的自动标注[J]. 计算机应用, 2020, 40(6): 1593-1600.
[8]	黄辰, 曹建农, 王时绘, 张龑. 基于协作反馈控制算法的车联网行车安全动态强化模型[J]. 计算机应用, 2020, 40(4): 1209-1214.
[9]	张俊升, 徐晶晶, 余伟. 面部美化图像质量无参考评价方法[J]. 计算机应用, 2020, 40(4): 1184-1190.
[10]	单晓欢, 张志国, 宋宝燕, 任成林. 事件社交网中基于有向标签图及用户反馈的活动推荐方法[J]. 计算机应用, 2020, 40(2): 448-453.
[11]	张文龙, 钱付兰, 陈洁, 赵姝, 张燕平. 基于双重最相关注意力网络的协同过滤推荐算法[J]. 计算机应用, 2020, 40(12): 3445-3450.
[12]	皮家甜, 杨杰之, 杨琳希, 彭明杰, 邓雄, 赵立军, 唐万梅, 吴至友. 基于多模态特征融合的轻量级人脸活体检测方法[J]. 计算机应用, 2020, 40(12): 3658-3665.
[13]	林政, 吕霞付. 基于改进模糊算法的水面无人艇自主避障[J]. 计算机应用, 2019, 39(9): 2523-2528.
[14]	罗瀛, 曾庆宁, 龙超. 多噪声环境下双微阵列语音增强算法[J]. 计算机应用, 2019, 39(8): 2426-2430.
[15]	张瀚方, 周安民, 贾鹏, 刘露平, 刘亮. 面向二进制程序的导向性模糊测试方法[J]. 计算机应用, 2019, 39(5): 1389-1393.