-
公开(公告)号：CN104063685B
公开(公告)日：2017-05-24
申请号：CN201410270916.9
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于子模优化的物体识别方法，包括：在每幅图像上运用CPMC图像分割算法来用非监督的方法获得一系列的底层图像片段假设；基于这些生成的底层图像片段构建一个图；通过迭代选择中的元素并加入到中来找到中最具有判别性的子集；物体蒙版是通过叠加所选择的图像片段来为前景物体抽取的；运用一个线性分类器对物体进行分类识别。本发明提供的基于子模优化的物体识别方法，通过利用子模函数的性质考虑多个片段，该方法基于最近所提出的并且在图像分割方面展示了强大优势的CPMC算法。
-
公开(公告)号：CN104063685A
公开(公告)日：2014-09-24
申请号：CN201410270916.9
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于子模优化的物体识别方法，包括：在每幅图像上运用CPMC图像分割算法来用非监督的方法获得一系列的底层图像片段假设；基于这些生成的底层图像片段构建一个图；通过迭代选择中的元素并加入到中来找到中最具有判别性的子集；物体蒙版是通过叠加所选择的图像片段来为前景物体抽取的；运用一个线性分类器对物体进行分类识别。本发明提供的基于子模优化的物体识别方法，通过利用子模函数的性质考虑多个片段，该方法基于最近所提出的并且在图像分割方面展示了强大优势的CPMC算法。
-
公开(公告)号：CN104063684A
公开(公告)日：2014-09-24
申请号：CN201410268661.2
申请日：2014-06-17
Applicant: 南京信息工程大学
Abstract: 本发明提供一种基于跨域字典学习的人体动作识别方法，包括：通过跨域的动作识别框架基于源域数据的方法来扩展目标域训练样本间的类内差异以增强现有识别系统的性能，以在目标域人工标注的动作信息的基础上，从一个不同域所获得的标注的数据作为源域提供；通过判别性跨域词典学习方法学习一个域自适应字典对，并将具有不同分布的数据迁移到同一个特征空间中，以使得不同域数据间特征分布相匹配；不进行不同域之间的对应标注信息，以便适应到现实中不同的迁移学习。本发明提供的方法，通过一个源域数据库相关动作的数据分布将去适应目标域内动作的数据分布，通过此方法可以学习得到一个具有重建性、判别性以及域自适应性的字典对。
-
-
Search Results
3
records
(took 0.026 seconds)
