2.845

2023影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于主动学习和半监督学习的多类图像分类

陈荣 曹永锋 孙洪

陈荣, 曹永锋, 孙洪. 基于主动学习和半监督学习的多类图像分类. 自动化学报, 2011, 37(8): 954-962. doi: 10.3724/SP.J.1004.2011.00954
引用本文: 陈荣, 曹永锋, 孙洪. 基于主动学习和半监督学习的多类图像分类. 自动化学报, 2011, 37(8): 954-962. doi: 10.3724/SP.J.1004.2011.00954
CHEN Rong, CAO Yong-Feng, SUN Hong. Multi-class Image Classification with Active Learning andSemi-supervised Learning. ACTA AUTOMATICA SINICA, 2011, 37(8): 954-962. doi: 10.3724/SP.J.1004.2011.00954
Citation: CHEN Rong, CAO Yong-Feng, SUN Hong. Multi-class Image Classification with Active Learning andSemi-supervised Learning. ACTA AUTOMATICA SINICA, 2011, 37(8): 954-962. doi: 10.3724/SP.J.1004.2011.00954

基于主动学习和半监督学习的多类图像分类

doi: 10.3724/SP.J.1004.2011.00954
详细信息
    通讯作者:

    孙洪 武汉大学电子信息学院教授. 主要研究方向为信号与图像处理. 本文通信作者. E-mail: hongsun@whu.edu.cn

Multi-class Image Classification with Active Learning andSemi-supervised Learning

  • 摘要: 多数图像分类算法需要大量的训练样本对分类器模型进行训练.在实际应用中, 对大量样本进行标注非常枯燥、耗时.对于一些特殊图像,如合成孔径雷达 (Synthetic aperture radar, SAR)图像, 对其内容判读非常困难,因此能够获得的标注样本数量非常有限. 本文将基于最优标号和次优标号(Best vs second-best, BvSB)的主动学习和带约束条件的自学习(Constrained self-training, CST) 引入到基于支持向量机(Support vector machine, SVM)分类器的图像分类算法中,提出了一种新的图像分类方法.通过BvSB 主动学习去挖掘那些对当前分类器模型最有价值的样本进行人工标注,并借助CST半 监督学习进一步利用样本集中大量的未标注样本,使得在花费较小标注代价情况下, 能够获得良好的分类性能.将新方法与随机样本选择、基于熵的不确定性采样主动学 习算法以及BvSB主动学习方法进行了性能比较.对3个光学图像集及1个SAR图像集分类 问题的实验结果显示,新方法能够有效地减少分类器训练时所需的人工标注样本的数 量,并获得较高的准确率和较好的鲁棒性.
  • 加载中
计量
  • 文章访问数:  3194
  • HTML全文浏览量:  170
  • PDF下载量:  4144
  • 被引次数: 0
出版历程
  • 收稿日期:  2010-04-01
  • 修回日期:  2010-11-08
  • 刊出日期:  2011-08-20

目录

    /

    返回文章
    返回