基于感受野学习的特征词袋模型简化算法.PDFVIP

第 １１卷第５期　 　 　 　 　 　 　 　 　 　 　 　 　 　 智　 能　 系　 统　 学　 报　 　 　 　 　 　 　 　 　 　 　 　 　 　 Ｖｏｌ．１１№．５ ２０１６年１０月　 　 　 　 　 　 　 　 　 　 　 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ　 　 　 　 　 　 　 　 　 　 　 　 Ｏｃｔ． ２０１６ ＤＯＩ：１０．１１９９２／ ｔｉｓ．２０１６０１００１ 网络出版地址：ｈｔｔｐ：／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ／ ｋｃｍｓ／ ｄｅｔａｉｌ／ ２３．１５３８．ＴＰ１５２１．００４．ｈｔｍｌ 基于感受野学习的特征词袋模型简化算法 赵骞，李敏，赵晓杰，陈雪勇 （电子科技大学计算机科学与工程学院，四川 成都 ６１１７３１） 摘　 要：本文研究了在图像识别任务中，感受野学习对于特征词袋模型的影响。 在特征词袋模型中，一个特征的感 受野主要取决于视觉词典中的视觉单词和池化过程中所使用的区域。 视觉单词决定了特征的选择性，池化区域则 影响特征的局部性。 文中提出了一种改进的感受野学习算法，用于寻找针对具体的图像识别任务最具有效性的感 受野，同时考虑到了视觉单词数量增长所带来的冗余问题。 通过学习，低效、冗余的视觉单词和池化区域会被发现， 并从特征词袋模型中移除，从而产生一个针对具体分类任务更精简的、更具可分性的图像表达。 最后，通过实验显 示了该算法的有效性，学习到的模型除了结构精简，在识别精度上相比原有方法也能有一定提升。 关键词：视觉词袋模型；感受野学习；目标识别；图像分类；特征学习 中图分类号：ＴＰ３９１．４ 　 文献标志码：Ａ　 文章编号：１６７３⁃４７８５（２０１６）０５⁃０６６３⁃０７ 中文引用格式：赵骞，李敏，赵晓杰，等．基于感受野学习的特征词袋模型简化算法［Ｊ］． 智能系统学报，２０１６，１１（５）：６６３⁃６６９． 英文引用格式：ＺＨＡＯ Ｑｉａｎ，ＬＩ Ｍｉｎ，ＺＨＡＯ Ｘｉａｏｊｉｅ，ｅｔ ａｌ． Ｌｅａｒｎｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｆｏｒ ｃｏｍｐａｃｔ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅ ｍｏｄｅｌ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ，２０１６，１１（５）：６６３⁃６６９． Ｌｅａｒｎｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｆｏｒ ｃｏｍｐａｃｔ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅ ｍｏｄｅｌ ＺＨＡＯ Ｑｉａｎ，ＬＩ Ｍｉｎ，ＺＨＡＯ Ｘｉａｏｊｉｅ，ＣＨＥＮ Ｘｕｅｙｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ，Ｃｈｅｎｇｄｕ ６１１７３１，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓｗｏｒｋ，ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｌｅａｒｎｉｎｇ ｏｎ ａ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ ｐｉｐｅｌｉｎｅ ｗｅｒｅ ｉｎｖｅｓｔｉｇａｔｅｄ ｆｏｒ ａｎ ｉｍａｇｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎｔａｓｋ．Ｉｎａｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓｍｏｄｅｌ，ｔｈｅｒｅｃｅｐｔｉｖｅｆｉｅｌｄｏｆ ａｆｅａｔｕｒｅｄｅｐｅｎｄｓｍｏｓｔｌｙ ｏｎｕｓｅｏｆｖｉｓｕａｌ ｗｏｒｄｓ ｉｎ ａ ｖｉｓｕａｌ ｄｉｃｔｉｏｎａｒｙ ａｎｄｔｈｅｒｅｇｉｏｎｕｓｅｄ ｄｕｒｉｎｇｔｈｅｐｏｏｌｉｎｇｐｒｏｃｅｓｓ． Ｃｏｄｅｗｏｒｄｓｍａｋｅｔｈｅｆｅａｔｕｒｅｒｅｓｐｏｎｄｔｏ ｓｐｅｃｉｆｉｃ ｉｍａｇｅ ｐａｔｃｈｅｓ ａｎｄ ｔｈｅ ｐｏｏｌｉｎｇ ｒｅｇｉｏｎｓ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｓｐａｔｉａｌ ｓｃｏｐｅ ｏｆ ｔｈｅ ｆｅａｔｕｒｅｓ． Ａ ｍｏｄｉｆｉｅｄ ｇｒａｆｔ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｎｇ ａｌｇｏｒｉｔｈｍｗａｓｐｒｏｐｏｓｅｄｔｏｆｉｎｄｔｈｅ ｍｏｓｔ ｅｆｆｉｃｉｅｎｔ ｒｅｃｅｐｔｉｖｅｆｉｅｌｄｓｆｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎｐｕｒｐｏｓｅｓ；ｔｈｉｓｃｏｎｓｉｄｅｒｓ ｔｈｅ ｒｅｄｕｎｄａｎｃｙ ｐｒｏｂｌｅｍ ｃｒｅａｔｅｄ ｂｙ ｓｉｍｕｌｔａｎｅｏｕｓ