提供此材料是为了确保学术和技术工作的及时传播。版权及其所有权利由作者或其他版权持有人保留。所有复制此信息的人都应该遵守每个作者的版权所引用的条款和约束。在大多数情况下,未经著作权人明确许可,不得转载这些作品。



自动花卉分类在大量的类别

M、 尼尔斯巴克,A、 齐瑟曼
印度计算机视觉、图形和图像处理会议,2008年12月
下载出版物:nilsback08.pdf[8.9个月] 

我们研究特征组合的程度可以提高大型数据集的分类性能同类的。为此,我们介绍一个103班花卉数据集。我们为花,每一朵都描述着不同的方面,即乡土形状/纹理、边界形状、整体花瓣的空间分布和颜色。我们联合起来基于支持向量机的多核框架特征提取分类器。每节课的重量是用Varma和Ray的方法[16],它已经达到了其他大型数据集的艺术表现,如加州理工大学101/256。我们的数据集在数量上也有类似的挑战类,但是增加了难度类相似性和小类内相似性。结果证明了学习的最优核组合功能极大地提高了性能,从55.1%提高到对于最佳单一功能的组合,为72.8%所有功能。


BibTex参考:

@正在进行中{Nilsback08,author=“Maria Elena Nilsback和Andrew Zisserman”,title=“自动对大量类别进行花卉分类”,booktitle=“印度计算机视觉、图形和图像处理会议”,month=“十二月”,年份=“2008”,}

数据库中的其他出版物: