基于注意力模型的PLSA目标学习算法

摘要

针对经典的基于概率潜在语义分析模型(Probabilistic Latent Semantic Analysis,pLSA)的目标学习算法对训练样本背景比较敏感的缺点,本文提出了一种基于注意力模型的pLSA目标学习算法(Attention Model based pLSA,AM-pLSA).该算法首先根据注意力模型对图像进行区域分割(分为显著性区域和非显著性区域),然后以分割后的区域为训练样本构建新的训练集,最后利用经典pLSA算法学习得到感兴趣目标的分类器.我们假设感兴趣目标总是位于图像中的显著性区域,通过分割显著性区域可以尽可能地去除复杂背景的影响,从而提高pLSA算法的学习效果.实验结果表明,与经典的pLSA算法相比,本文提出的AM-pLSA算法可以大幅度提高所学习的感兴趣目标分类器的性能,对训练样本的背景更加鲁棒.