%0 Journal Article
%T 基于低尺度词袋模型的图像快速分类方法<br>Efficient Method for Image Classification Based on Low-Scale Bag of Word Model
%A 肖哲
%A 秦志光
%A 丁熠
%A 蓝天
%A 于跃
%J 电子科技大学学报
%D 2016
%R 10.3969/j.issn.1001-0548.2016.06.021
%X 提出一种新的框架用于改进传统词袋模型效率较低的问题。该方法建立在通过小波变换获取的低尺度图像表示上，利用在低尺度图像上提取单尺度的SIFT特征，建立低尺度视觉词典。由于大幅度减少了图像初始特征维数，该方法可以快速建立视觉词典，并且有效地降低后续图像分类所花费的时间。通过对Caltech101数据集全部8 677张图像的分类测试显示，该方法可以在保证分类性能的同时，有效地提升基于传统词袋模型的图像分类效率。实验结果表明，该方法可以全面提升金字塔匹配的词袋模型分类性能和分类效率，普遍用于传统词袋模型及其衍生方法。<br>
%K 词袋模型
%K 计算机视觉
%K 图像分类
%K 尺度不变特征转换
%K 小波变换&lt
%K br&gt
%U http://manu50.magtech.com.cn/dzkjdx/CN/abstract/abstract315.shtml