基于视觉特征低维嵌入的细粒度图像分类

摘要

为了减少原图像特征空间中高维数据的冗余,解决细粒度数据分布在特征空间中无法线性可分的问题,本文提出了一种结合视觉特征低维嵌入和非线性映射的细粒度图像分类方法.首先,将视觉特征嵌入到低维空间来减少冗余数据对分类造成的干扰,提高分类模型对测试数据的泛化能力;然后,通过基于排序的目标函数来训练多个线性分类器,建立类别和低维视觉嵌入之间的非线性关系,有效区分不同类别的细粒度样本之间的细微差异.实验结果表明,本文算法有效改进了现有的细粒度图像分类方法,显著提高了对未知测试样本的分类精度.