Boosted random contextual semantic space based representation for visual recognition

اطلاعات بصری به طور گسترده ای برای نمایندگی تصویر استفاده شده است. اگر چه اثبات شده بسیار موثر است، نمایندگی تصویری معانی صریح و صریح ندارد. با این حال، چگونگی ایجاد یک فضای معنایی مناسب برای نمایش تصویر، هنوز یک مشکل باز است که باید حل شود. به طور مشترک تصاویر تجسم بصری و معنایی تصاویر را مدل سازی می کنیم، ما یک روش بازنمایی تصویر مبتنی بر فضای معنایی تصادفی متنی متنی را پیشنهاد می کنیم. تصاویر ابتدا با استفاده از هیستوگرام توزیع ویژگی های محلی نشان داده می شوند. فضای معنایی با انتخاب تصادفی تصاویر آموزشی ایجاد می شود. سپس عکسها به فضای معنایی براساس آن ترسیم می شوند. زمینه های معنایی برای مدل سازی همبستگی های معانی مختلف است که سپس برای طبقه بندی استفاده می شود. نتایج طبقه بندی استفاده می شود تا مجددا وزن آموزش تصاویر را به شیوه ای افزایش دهد. تصاویر با وزن مجدد برای ساخت فضای جدید معنایی برای طبقه بندی استفاده می شود. به این ترتیب، ما می توانیم اطلاعات بصری و معنایی تصاویر را در نظر بگیریم. آزمایش های طبقه بندی تصویر در چندین مجموعه عمومی نشان می دهد که اثربخشی روش پیشنهاد شده است.