基于词袋模型的迁移学习算法.pdfVIP

第 41卷 第 12期 计 算 机 科 学 Vo1．41No．12 2014年 12月 Computer Science Dec2014 基于词袋模型的迁移学习算法 吴丽娜 黄雅平 郑 翔 (北京交通大学计算机与信息技术学院 北京 100044) 摘 要 在分类新类别图像时，词袋模型总需要重新学习视觉词典及分类器，而不能充分利用已经学习好的视觉词 典。运用迁移学习的思想，提 出一种视觉短语的迁移学习算法。这种视觉短语不仅包含图像的局部不变特征，而且包 含特征间的空间结构信息，能更有效地描述不同类别图像之间的共同特征。在分类新类别图像时，算法通过迁移视觉 短语而不是重新学习视觉词典，来完成图像分类任务。实验结果证明这种迁移算法能有效地利用已有知识，在分类新 类别图像时取得很好的效果，而且还能适用于仅有少量训练样本的图像分类任务。 关键词 图像分类，词袋模型，迁移学习 中图法分类号 TP391 文献标识码 A DOI 1O．11896／j．issn．1002—137X．2014．12．056 NovelTransferLearningAlgorithm BasedonBag-of-visualW ordsModel W U Li—na HUANG Y~ping ZHENG Xiang (SchoolofComputerandInformationTechnology，BeijingJiaotongUniversity，Beijing100044，China) Abstract Thebag-of-visualwordsmodelneedstolearnvisualvocabularyand classifierfrom thebeginningwhen it learnsanovelimagecategory，anditcannotmakeuseoflearnedvisualvocabulary．Thispaperproposedatransferlear- ningalgorithm basedonvisualphrases．Thevisualphrasescontainnotonlylocalinvariablefeatures，butalsolocalspa tialinformation，which candescribethecommon characteristicsamongdifferentimagecategories．Ouralgorithm can makethebag—of-visualwordsmodelobtaingoodperformanceinthenovelimagecategorybytransferringvisualphrases from sourcevisualvocabulary．Theexperimentalresultsvalidatethatthealgorithm effectivelyutilizeslearnedknowl— edgeandgainsbetterperformanceinthenovelimagecategoryevenwhenthereareafew trainingimages． Keywords Imagecategorization，Bag—of-visualwordsmodel，Transferlearning 该方法采用一种双向选择机制减小源数据中不相关或有害数 1 引言 据的影响。由于视觉单词是词袋模型的核心和关键，因此基 近年来 ，词袋模型在图像分类任务中取得了良好的效果， 于特征的迁移学习方法的研究更为广泛，例如RajatRainal3j 因此得到了广泛研究和应用。但是词袋模型是一种有监督机