视觉属性学习应用研究  

Application Research of Visual Attribute Learning

作　　者：成科扬[1,2] 杜明坤[2] 詹永照[2] 

机构地区：[1]南京航空航天大学计算机科学与技术学院,南京210016 [2]江苏大学计算机科学与通信工程学院,江苏镇江212013

出　　处：《小型微型计算机系统》2012年第10期2311-2314,共4页Journal of Chinese Computer Systems

基　　金：国家自然科学基金项目(60673190)资助;江苏省自然科学基金项目(BK2009199)资助;中央高校基本科研业务费专项基金项目资助;江苏省普通高校研究生科研创新计划项目(CXZZ11_0216)资助;江苏省省属高校自然科学研究项目(11KJD520004)资助

摘　　要：视觉属性能够展现人们识别事物时所定义的语义概念,但现有的视觉识别工作往往忽略了属性在分类器设计中能作为中间媒介层的作用.本文给出一种将属性和事物类别同时用于构建分类器的方法.分析了传统多类分类器、直接类别相关模型、间接属性预测模型、直接属性预测模型的特点.在动物和室外场景数据集上的实验证明,利用属性进行分类器学习对于提高传统多目标分类和迁移学习的性能都具有很好的帮助.Visual attributes expose human-defined semantics to object recognition models,but existing work largely restricts their influence to mid-level cues during classifier training.A kind of classifier constructed by both attributes and categories is put forward in this paper.The paper analysis the traditional multi-class classifier,direct related categories model,indirect attribute prediction model and direct attribute prediction.Experiments in animal and outdoor scenes data set shows that attributes have a good help to improve the performance of traditional multi target classification and transfer learning.

关 键 词：视觉属性 属性学习 多目标分类 迁移学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]