视觉特征分析的概率图模型方法-计算机软件与理论专业论文.docx

下载文档 降价啦

7
0
约9.31万字
约 126页
2018-06-28 发布于上海
举报
版权申诉
保障服务

视觉特征分析的概率图模型方法-计算机软件与理论专业论文.docx

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)。

视觉特征分析的概率图模型方法-计算机软件与理论专业论文

ProbabilisticGraphicalModelsforVisualFeatureAnalysisABSTRACTThereisatrendofutilizinglocalvisualfeaturestosolveobjectrecognitionprob-lemincomputervision.Thekeypointishowtomakegooduseoflocalvisualfeatures,andextractsemanticsintheimagesaccurately.Ontheotherhand,probabilisticgraph-icalmodelsfromtheareaofmachinelearningmakeseveralsuccessesinvariousfields.Thispaperdescribesthetheoryandalgorithmsofprobabilisticgraphicalmodels,anditsapplicationsincomputervision.Moreover,thispaperextendsLDA,amodelfromtextminingarea,renderingitmoresuitableforvisionproblem.Thispaperfirstlymakesaconcisesurveyonmodelingincomputervision,withanemphasisonmodelsbelongingtotheframeworkprobabilisticgraphicalmodels.Besides,thispaperreviewsthethetheoryandalgorithmsofprobabilisticgraphicalmodels,especiallyBayesiannetworks,EMalgorithm,variationalinferenceandGibbssampling.ThenLDAanditsinferenceandlearningalgorithmsareelaboratedandanalyzed.Finally,thispaperproposesanextensionofLDA,affineinvarianttopicmodel(AITM),andappliesAITMtoobjectrecognition.ExperimentsontwodatasetsdemonstrateAITM’sefficiency.ThemaincontributionofthispaperisAITM.AsanextensionofLDA,AITMabandonsthe“bagofwords”assumptioninLDAandincorporatesspatialstructureofvisualfeatures.Notmodelingthelocationsoflocalfeaturesdirectly,AITMassumesthatthelocationoflocalfeaturesisaffinelytransformedfromthepriorlocation,andmodelspriorlocationsandaffinetransformsaslatentvariables.ThemeritofAITMisthatAITMisabletodescribespatialstructureofvisualfeaturesinrelativelyfewparameters,avoidingtheexponentiallyrapidincreaseduetofeaturecombination.KEYWORDS:probabilisticgraphicalmodels,LDA,objectrecog-nition—iii—目录摘要iABSTRACTiii目录v第一章介绍11.1机器学习和神经科学在计算机视觉中的作用............11.2计算机视觉系统的一般过程.....................21.3特征提取................................21.4模型训练................................31.5概率图模型...............................41.6计算机视觉领域中的概率图模型...................41.7本论文主要工作............................6第二章概率图模型和算法72.1条件独立................................82.2有向图模型（贝叶斯网络）........