登录 | 注册 | 充值 | 退出 | 公司首页 | 繁体中文 | 满意度调查
综合馆
结合全局和局部约束的sLDA铁路扣件分类模型
  • 摘要

    针对监督潜在狄利克雷分布(sLDA)模型中测试图像缺乏标注,导致测试主题分布忽略目标结构的问题,提出一种结合全局和局部约束的sLDA(glc-sLDA)扣件图像分类模型.首先,人工标注训练图像,并在sLDA模型中学习得到含有结构信息的训练主题分布;然后,计算测试主题分布,将测试图像的类别概率作为全局约束,将测试图像子块与训练图像子块的主题相似程度作为局部约束;最后,以全局和局部约束的乘积为更新权值,对训练主题分布加权求和得到新的测试主题分布,并在Softmax分类器中得到测试图像的分类结果.实验结果表明,glc-sLDA模型能表达扣件结构信息,与sLDA相比,各类别的扣件图像区分性增强,分类误检率减小了55%.

  • 作者

    杨飞  罗建桥  李柏林  YANG Fei  LUO Jianqiao  LI Bailin 

  • 作者单位

    西南交通大学 机械工程学院,成都,610031

  • 刊期

    2019年3期 ISTIC PKU

  • 关键词

    铁路扣件分类  监督潜在狄利克雷分布  主题模型  单词标注  目标结构  更新主题分布 

相似文献 查看更多>>
54.221.145.174