SVM用于基于内容的自然图像分类和检索

查看全文 作　　者：[1]付岩;[2]王耀威;[1]王伟强;[1]高文

机构地区：[1]中国科学院计算技术研究所,北京100080;[2]中国科学院研究生院,北京100039

出　　处：《计算机学报》索引2003年第26卷第10期,共5页

基　　金：到国家'八六三'高技术研究发展计划项目'实时图像检索与过滤关键技术研究'课题 ( 2 0 0 1AA14 2 14 0 );国家网络与信息安全中心'网络视频流内容检测技术研究及系统'课题资助 摘　　要：在传统的基于内容图像检索的方法中 ,由于图像的领域较宽 ,图像的低级视觉特征和高级概念之间存在着较大的语义间隔 ,导致检索效果不佳 .该文认为更有现实意义的做法是 ,缩窄图像的领域以减小低级特征和高级概念间的语义间隔 ,并利用机器学习方法自动建立图像类的模型 ,从而提供用户概念化的图像查询方式 .该文以自然图像领域为例 ,使用支持向量机 (SVM )学习自然图像的类别 ,学习到的模型用于自然图像分类和检索 .实验结果表明作者的方法是可行的 . 关键词：图像检索自然图像分类 SVM 支持向量机图像分类机器学习图像处理

相关文献

参考文献（15）
引证文献（75）
耦合文献（0）

参考文献(15)

引证文献(75)

互联网出版许可证新出网证(渝)字10号全国400电话 - 免长途话费

SVM用于基于内容的自然图像分类和检索

参考文献(15)

引证文献(75)

用户提示