基于成对约束的在线词典再加权对图像进行分类的方法

摘要

本发明公开了一种基于成对约束的在线词典再加权对图像进行分类的方法，包括：对所有训练集图像进行底层特征提取，构建初始视觉词典；采用稀疏编码对提取的底层特征进行特征变换，得到编码后的特征；对编码后的特征进行最大值汇聚，得到一个用向量表达的特征，以利用分类器进行分类；以及利用成对约束对所述用向量表达的特征进行在线词典再加权，并送入分类器进行训练和分类。本发明利用成对约束，可以有效地编码成对图像之间的关系，基于保守-激进训练策略提出的在线学算法，大大减少了训练时间，并可以实现增量更新，尤其适用于海量数据集。

主权项

一种基于成对约束的在线词典再加权对图像进行分类的方法，其特征在于，包括：对所有训练集图像进行底层特征提取，构建初始视觉词典；采用稀疏编码对提取的底层特征进行特征变换，得到编码后的特征；对编码后的特征进行最大值汇聚，得到一个用向量表达的特征；以及利用成对约束对所述用向量表达的特征进行在线词典再加权，并送入分类器进行训练和分类。