• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of visual communication & image representation >Quality-guided image classification toward information management applications
【24h】

Quality-guided image classification toward information management applications

机译：质量指导的图像分类，面向信息管理应用

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Image information management (IIM) is a key technique to improve the performance of large-scale image retrieval. However, IIM is still a big challenge due to the large sum of image datasets and traditional algorithms cannot cope with this problem. In order to solve these disadvantages, we propose a novel image classification algorithm based on image quality assessment (IQA) for image information management. Specifically, we first incorporate both low-level, high-level features as well as quality scores for image representation, where we leverage convolution neural network for deep feature extraction. Then, deep feature vector can be generated by column-wise stacking. Thus, each image can be represented by a feature vector. We leverage GMM to learn the distribution of obtained feature vectors. Similar image categories have similar probability distributions, we leverage the learned GMM model to calculate the posterior probability and image can be classified into corresponding category. Experimental results demonstrate the performance of our proposed method, and image information management is easier to implement. (C) 2019 Published by Elsevier Inc.
机译：图像信息管理（IIM）是提高大规模图像检索性能的关键技术。但是，由于图像数据集很大，IIM仍然是一个很大的挑战，传统算法无法解决此问题。为了解决这些缺点，我们提出了一种基于图像质量评估（IQA）的图像信息管理新的图像分类算法。具体来说，我们首先结合了低层，高层特征以及用于图像表示的质量得分，在这里我们利用卷积神经网络进行深度特征提取。然后，可以通过按列堆叠生成深度特征向量。因此，每个图像可以由特征向量表示。我们利用GMM来学习获得的特征向量的分布。相似的图像类别具有相似的概率分布，我们利用学习的GMM模型计算后验概率，并将图像分类为相应的类别。实验结果证明了该方法的有效性，并且图像信息管理更易于实现。 （C）2019由Elsevier Inc.发布

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号