基于类物体采样方法的多类别物体识别
【作者】
张志柏
朱敏
孙传庆
牛杰
常州信息职业技术学院电子与电气工程学院
【关键词】
类物体采样
BoW模型
BING算子
物体识别
【摘要】提出一种基于类物体区域检测的BoW(Bag of Words)框架物体识别方法,采用改进的BING(Binarized Normed Gradients)算子检测分割出图像中的可能物体区域后,利用RootSIFT算子提取特征,送入后续BoW框架进行物体类别识别.将该方法应用于PASCAL VOC2007图像集,试验结果表明:相较于整幅图像的特征计算,将特征提取与匹配限定在固定的可能物体区域的做法可以提高计算速度和识别效率.此外,该方法在VOC2007图像集上达到了平均33.45%的识别准确率,优于相关文献算法.
上一篇:基于模糊层次分析法的刀具供应商的选择
下一篇:最后一页