基于显著区域词袋模型的物体识别方法 object recognition method based on salient regions and bow model.pdfVIP

下载本文档

22
0
约2万字
约 6页
2017-08-14 发布于上海
举报
版权申诉

基于显著区域词袋模型的物体识别方法 object recognition method based on salient regions and bow model.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

基于显著区域词袋模型的物体识别方法 object recognition method based on salient regions and bow model

第27卷第7期电子测量与仪器学报％f．27^『o．7 oFEl置CTRoNlCMEAsUREMENTANDINsTRUMENT。 ·647· 2013年7月 JoURNAL DOI：10．3724／SP．J．1187．2013．00647 基于显著区域词袋模型的物体识别方法术胡敏齐梅王晓华许良凤 (合肥工业大学计算机与信息学院情感计算与先进智能机器安徽省重点实验室合肥230009) 摘要：针对常用的构建视觉词典的局部特征所表现的不稳定、不可靠或与物体无关的问题，提出一种基于显著区域词袋模型的物体识别方法。首先，该方法利用强角点检测器，确定图像的显著区域。然后，从显著区域中提取局部特征并建模为词袋模型，最后联合最近邻分类器给出识别结果。分别在视角、尺度和背景等存在变化的数据集上进行了实验，结果表明：与现有同类方法比较，鲁棒性更强，平均识别率达到96．13％，82．06％和66．7％。关键词：词袋模型；强角点检测器；显著区域；物体识别中图分类号：，I’P391 文献标识码：A 国家标准学科分类代码：520．2040 methodb嬲edonsmient BOWmodel ObjectrecogIlition regio璐and HuMin Mei Xiaohuaxu Qi Wang Lian出ng 0f and 0f (SchoolComputerlnfo玎nation，HefeiUniversityTechnolog)，， AnHuiPmvince 0fAⅡbctive andAdvanced Keyklboratory Computing InteUigentMachine，Hefei230009，China) atthe that 10caLlfeaturesare oriⅡelevantin visu— Abstract：Aimingpmblemmany unstable，unreliableconstructing al new methodbasedonsalient andBOWmodelis dictionaries，aobjectrecognition regions pmposed．Firsdy，this methodutilizesthe comerdetectortodete瑚inethe ofthe localfeaturesareex— stmng saliencyimage．Then，the tractedf而mthe ofthe andmodeledasBOW．Thefinalresultsareobtainedthenearest saliencyimage by neighbor classifier．The methodiseValuatedondifkrentdatasetswhichvaries in view— pIDposed largelyobjectscale，object and condition．The resultsshowthatthe method than pointbackgmund experimental pmposedoutperfb瑚sexisting methodsbotllin