Print

一种粒子群优化融合特征的零样本图像分类算法

论文摘要

针对目标类语义属性描述的局限性,提出一种基于自适应加权融合特征的零样本图像分类算法。首先,随机初始化融合权重,利用神经网络融合文本的语义词向量特征和语义属性;然后,利用粒子群算法优化特征融合的权重;最后,把加权融合的特征作为零样本图像分类的迁移知识。实验结果表明,基于自适应加权融合的零样本图像分类算法在动物属性数据集(AWA)上测试的准确率达到88.9%,验证了该方法的有效性。同时与融合特征算法相比,亦提高了零样本图像分类模型的稳定性。

论文目录

  • 1 系统模型定义
  • 2 自适应加权融合特征的零样本图像分类
  •   2.1 语义融合特征的构建
  •   2.2 PSO自适应权重学习改进的特征融合算法
  • 3 实验结果及分析
  •   3.1 实验数据集及设置
  •   3.2 融合特征的零样本图像分类实验
  •   3.3 自适应加权特征融合的零样本图像分类实验
  • 4 结 论

    • 文章来源

    类型: 期刊论文

    作者: 陈雯柏,陈祥凤,刘琼,韩琥

    关键词: 自适应加权,融合特征,语义属性,语义词向量,零样本图像分类

    来源: 西北工业大学学报 2019年06期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 计算机软件及计算机应用

    单位: 北京信息科技大学自动化学院,中国科学院计算技术研究所

    基金: 北京市自然科学基金(4202026),2018年度北京市属高校青年拔尖人才培育项目(CIT&TCD201804054)资助

    分类号: TP391.41

    页码: 1271-1277

    总页数: 7

    文件大小: 1168K

    下载量: 115

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/5c0642b016a6f7404bd85a20.html