视觉词袋技术介绍.pptVIP

BoVW模型介绍 iv) Mutual information (MI) 视觉单词小于平均MI值的将从视觉词典中剔除。 与信息增益有关，其计算方法如下： BoVW模型介绍 四、应用领域 （1）视频/图像检索(Content-based image retrieval) （2）图像自动标注( image annotation) （3）物体识别(object recognize) （4）场景分类(scene classify) BoVW模型介绍 五、存在问题及改进分析 （1）空间信息的缺失：BoW模型一个很大的缺点是缺少特征点的空间关系信息，但这却是一个很重要的图片信息。 一些改进方法已经被提出：基于区域划分的方法；分层词袋模型；空间金字塔匹配方法； BoVW模型介绍 五、存在问题及改进分析 （2）语义鸿沟：从低层特征到视觉单词生成过程时使用基于欧几里得距离的kmeans算法导致语义信息的丢失。 改进方法：利用机器学习方法构造具有语义保护的视觉单词词典。 BoVW模型介绍 BoVW模型介绍 主要内容 一、提出背景 二、框架 三、关键步骤 四、应用领域 五、存在问题及改进分析 BoVW模型介绍 一、提出背景 词袋模型最先是由Josef等基于自然语言处理模型而提出的。 类比一篇文章由很多文字 (textual words) 组合而成，如果將一張图片