本材料旨在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所有者保留。所有复制此信息的人都应遵守每个作者的版权所引用的条款和限制。在大多数情况下,未经版权所有者明确许可,不得转载这些作品。



基于大量类的花卉自动分类

M.Nilsback,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:尼尔斯巴克08.pdf[8.9Mo] 

我们调查特征组合的程度可以提高大型数据集的分类性能类似类别的。为此,我们引入了一个103类花卉数据集。我们为花朵,每一朵都描述了不同的方面,即当地形状/纹理、边界形状、整体花瓣的空间分布和颜色。我们合并使用带有SVM的多核框架的特征分类器。使用Varma和Ray的方法[16],实现了其他大型数据集上的艺术表现,如加州理工学院101/256. 我们的数据集在数量上也面临类似的挑战类的,但在类相似度和类内小相似度。结果表明学习多重核的最佳组合功能大大提高了性能,从55.1%对于最佳的单一特征,对于组合所有功能。


BibTex参考:

@诉讼中{Nilsback08,author=“玛丽亚·埃琳娜·尼尔斯巴克和安德鲁·齐瑟曼”,title=“大量类别的自动花卉分类”,booktitle=“印度计算机视觉、图形和图像处理会议”,month=“十二月”,year=“2008”,}

数据库中的其他出版物: