[发明专利]基于监督流形学习的场景分类方法及装置有效

专利信息
申请号: 201110202756.0 申请日: 2011-07-19
公开(公告)号: CN102254194A 公开(公告)日: 2011-11-23
发明(设计)人: 戴琼海;钱彦君;刘烨斌 申请(专利权)人: 清华大学
主分类号: G06K9/66 分类号: G06K9/66
代理公司: 北京清亦华知识产权代理事务所(普通合伙) 11201 代理人: 张大威
地址: 100084 北京*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于监督流形学习的场景分类方法及装置。基于监督流形学习的场景分类方法包括以下步骤:输入人工标注了场景类别的N个训练图像,其中场景类别为C个;提取N个训练图像的S个SIFT特征并获取由S个SIFT特征的M个聚类中心组成的码本;对于每个场景类别,将SIFT特征和码字作为节点,建立有监督的谱图G=(V,E)并获取与V对应的权重矩阵;获取每个流形结构上的各个SIFT特征到M个码字的度量;输入新的训练图像或测试图像;获取新的训练图像或测试图像上的SIFT特征到M个码字的度量;计算新的训练图像或测试图像上的SIFT特征到M个码字的隶属度并得到C个直方图向量;以及利用支持向量机对C个直方图向量进行学习,得到每个场景类别的判断模型。
搜索关键词: 基于 监督 流形 学习 场景 分类 方法 装置
【主权项】:
一种基于监督流形学习的场景分类方法,其特征在于,包括以下步骤:1)输入人工标注了场景类别的N个训练图像,其中场景类别为C个,N是大于等于1的整数;2)提取所述N个训练图像的S个SIFT特征并获取由所述S个SIFT特征的M个聚类中心组成的码本,其中每个聚类中心是一个码字,其中S是大于等于N的整数;3)对于每个场景类别,将SIFT特征和码字作为节点,建立有监督的谱图G=(V,E)并获取与V对应的权重矩阵W,所述权重矩阵W用于表示与每个场景类别对应的流形结构,V是谱图中所有节点的集合,E是节点间相邻边的集合;4)获取每个流形结构上的各个SIFT特征到所述M个码字的度量;5)输入新的训练图像或测试图像;6)获取所述新的训练图像或测试图像上的SIFT特征在C个流形结构上到所述M个码字的度量;7)计算所述新的训练图像或测试图像上的SIFT特征到所述M个码字的隶属度并得到C个直方图向量;以及8)利用支持向量机对所述C个直方图向量进行学习,得到每个场景类别的判断模型。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201110202756.0/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top