基于MIML学习理论的图像通用目标分类技术

摘要

由于多示例学习能够有效处理图像的歧义性，因此本文提出一种基于多示例学习理论(MIML)机器学习的通用目标分类方法。该方法将图像作为多示例包，首先将图像分成四区域，然后分别统计各区域的直方图边界分布，这些直方图分布信息作为示例向量生成测试图像包，使用多示例学习算法(MIML方法)进行学习，并实现通用目标的识别。实验表明，在多类的通用目标分类中。本文的方法比传统的支持矢量机(SVM)分类方法平均分类准确率提高3%。