Вестник Нижегородского университета им. Н.И. Лобачевского. Серия: Социальные науки

16+

Название статьи

АЛГОРИТМЫ КЛАССИФИКАЦИИ ИЗОБРАЖЕНИЙ С БОЛЬШИМ ЧИСЛОМ КАТЕГОРИЙ ОБЪЕКТОВ

Номер журнала	4
Дата выпуска	2013

Раздел

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Тип статьи	научная статья	Коды УДК	004.932
Страницы	225-230	Ключевые слова	компьютерное зрение, машинное обучение, классификация изображений, дерево решений, случайный лес, семантическая иерархия

Авторы

Половинкин Алексей Николаевич

Место работы

Половинкин Алексей Николаевич Нижегородский госуниверситет им. Н.И. Лобачевского

Аннотация

Рассматривается задача классификации изображений с большим числом категорий. Предлагаются основанные на деревьях решений и их ансамблях модификации алгоритмов классификации, учитывающие семантическую иерархию объектов. Приводятся результаты вычислительных экспериментов, демонстрирующие лучшую точность предсказания на ряде наборов данных.

Загрузить статью

Библиографический список

1 . CaltechDatasets. URL: http://www.vision.caltech.edu /html-files/archive.html (дата обращения 01.03.2013).
2 . Deng J., Dong W., Socher R., et al. ImageNet: A large-scale hierarchical image database // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2009. P. 248–255.
3 . Perronnin F., Liu Y., Sanchez J., Poirier H. Large-Scale Image Retrieval with Compressed Fisher Vectors // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2010. P. 3384–3391
4 . Hastie T., Tibshirani R., Friedman J. The Elements of Statistical Learning. Springer, 2008.
5 . Krizhevsky A., Sutskever I., Hinton G. ImageNet Classification with Deep Convolutional Neural Networks // Advances in Neural Information Processing Systems (NIPS). 2012. P. 1106–1114.
6 . Deng J., Berg A., Fei-Fei L. Hierarchical Semantic Indexing for Large Scale Image Retrieval // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2011.
7 . Deng J., Berg A., Li K., Fei-Fei L. What does classifying more than 10,000 image categories tell us? // Proc. of the 12th European Conference of Computer Vision. 2010. P. 71–84.
8 . Fellbaum C. WordNet: An Electronic Lexical Database. MIT Press, 1998.
9 . Breiman L. Random Forests // Machine Learning. 2001. V. 45. № 1. P. 5–32.
10 . Breiman L., Friedman J.H., Olshen R.A., Stone C.J. Classification and Regression Trees. Wadsworth & Brooks, 1984.
11 . Гэри М., Джонсон Д. Вычислительные машины и труднорешаемые задачи. М.: Мир, 1982.
12 . Griffin G., Perona P. Learning and using taxonomies for fast visual categorization // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2008. P. 1–8.
13 . Large Scale Visual Recognition Challenge 2010 (ILSVRC2010). URL: http://www.image-net.org/ challenges/ LSVRC/2010/index (дата обращения 01.03.2013).
14 . Csurka G., Bray C., Dance C., Fan L. Visual categorization with bags of keypoints // Workshop on Statistical Learning in Computer Vision, ECCV. 2004. P. 1–22.
15 . Bosch A., Zisserman A., Munoz X. Image classifcation using random forests and ferns // Proc. of the IEEE 11th International Conference on Computer Vision (ICCV). 2007. P. 1–8.