tailieunhanh - Nghiên cứu thuật toán học cặp từ điển phân biệt trong phân loại hình ảnh

Bài viết Nghiên cứu thuật toán học cặp từ điển phân biệt trong phân loại hình ảnh tập trung cải thiện khả năng phân biệt của cặp cặp từ điển phân tích tổng hợp và đề xuất thuật toán học cặp cặp từ điển phân tích tổng hợp phân biệt (DDPL) sử dụng cho phân loại hình ảnh. | 30 Nguyễn Hoàng Vũ Trần Quốc Cường Trần Thanh Phong NGHIÊN CỨU THUẬT TOÁN HỌC CẶP TỪ ĐIỂN PHÂN BIỆT TRONG PHÂN LOẠI HÌNH ẢNH A PROPOSED DISCRIMINATIVE DICTIONARY PAIR LEARNING ALGORITHM FOR IMAGE CLASSIFICATION Nguyễn Hoàng Vũ1 Trần Quốc Cường1 Trần Thanh Phong1 1 Trường Đại học Tiền Giang nguyenhoangvu@ tranquoccuong@ tranthanhphong@ Nhận bài 22 10 2020 Chấp nhận đăng 22 12 2020 Tóm tắt - Phương pháp học từ điển dựa trên biểu diễn thưa là mô Abstract - Dictionary learning for sparse coding has been widely hình đã được áp dụng rộng rãi trong nhiều hệ thống thị giác máy tính applied in the field of computer vision and have achieved promising với những kết quả đầy hứa hẹn. Trong bài báo này một giải thuật học performance. In this paper a new method called discriminative cặp từ điển phân biệt DDPL mới được đề xuất nhằm cải thiện hiệu dictionary pair learning DDPL for image classification was quả phân loại hình ảnh. Mô hình đề xuất có khả năng huấn luyện đồng proposed which jointly learned a synthesis dictionary and an analysis thời một từ điển phân tích và một từ điển tổng hợp với sự kết hợp của dictionary to promote the image classification performance. The ràng buộc không mạch lạc và đại diện hạng thấp. Thuật toán đảm bảo DDPL method ensures that the learned dictionary has the powerful từ điển sau khi được huấn luyện có khả năng phân biệt mạnh và tín discriminative ability and the signals are more separable after coding. hiệu sau mã hóa là tách biệt. So sánh với các phương pháp học từ điển Compared with previous dictionary learning methods DDPL trước đây DDPL sử dụng ánh xạ mã thưa nên giảm phần lớn gánh employs projective coding which largely reduces the computational nặng tính toán trong huấn luyện và kiểm tra. Kết quả phân loại hình burden in training and testing. Experimental results on various image ảnh trên nhiều tập dữ liệu tiêu chuẩn đã chứng minh tính hiệu quả của classification benchmarks are presented to demonstrate the phương .

TỪ KHÓA LIÊN QUAN
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.