본문 바로가기
HOME> 논문 > 논문 검색상세

학위논문 상세정보

Visual word weighting scheme using label complexity and compactness for scene classification 원문보기

  • 저자

    황천섭

  • 학위수여기관

    Graduate School, Korea University

  • 학위구분

    국내석사

  • 학과

    컴퓨터電波通信工學科

  • 지도교수

    李晟환

  • 발행년도

    2014

  • 총페이지

    v, 29장

  • 키워드

    Scene classification Visual word weighting;

  • 언어

    eng

  • 원문 URL

    http://www.riss.kr/link?id=T13541960&outLink=K  

  • 초록

    최근 장면 영상 분류는 자동 영상 주석화와 멀티미디어 관리와 같은 다양한 응용을 위해 컴퓨터비전 사회에서 중요한 이슈로 연구 되고 있다. 대부분의 장면 영상 분류에서 간단하고 효과적인 이미지의 표현을 위해 Bag-of-Visual-Words(BoVW) 접근법을 이용해 왔으며, 지난 몇 년간 BoVW의 성능을 개선하려는 많은 시도들이 이어지고 있다. 이러한 시도들 중 하나로 모델의 분류 능력을 증진시킬 수 있는 시각 단어들(Visual words)에 대한 가중치 부여 방법이 연구되고 있다. 본 논문에서는 구성 성분의 레이블 복잡도(Label complexity)와 집약도(Compactness)를 기반으로 각 코드북의 중요도를 계산하는 새로운 시각 단어 가중치 부여 방법을 제안한다. 계산된 가중치 값은 BoVW 모델의 분류 능력을 증진시키기 위해 각각 그에 대응하는 시각 단어(Visual word)에 곱하여 사용된다. 본 논문에서는 BoVW 모델링뿐만 아니라, 특징 융합(Feature fusion) 방법과 특징 학습 방법에 대한 고려도 함께 이루어진다. 개별적인 저수준 특징(Low-level feature)들의 구분력을 상호보완하는 효율적인 특징 단계 융합(Feature-level fusion) 방법을 적용하여 장면 영상 분류의 성능을 증진시켰다. 제안된 방법은 기준 데이터베이스들을 이용한 실험을 통해 특정 이미지 종류에 대하여 최신 방법들보다 우수한 성능을 보이는 것으로 효용성을 입증하였다.


    Recently, scene classification has become an important issue in computer vision society for various applications such as automatic image annotation and multimedia management. Most of the scene classification methods have used the Bag-of-Visual-Words (BoVW) approach due to its simplicity and effectiveness. Among many attempts to improve the performance of BoVW, the weighting strategy of visual vocabulary is one of the most effective methods aimed to overcome the lack of classification power on the modeling. In this paper, we propose a new weighting scheme which calculates a significance score of a codebook using label complexity and compactness measures. The calculated weights are multiplied to the corresponding visual words respectively, to enhance the performace of the BoVW modeling. Besides the weighting scheme, we also consider feature fusion and learning method. We exploit convenient feature-level fusion method for complementary combination of the low-level features to improve the performance of the scene classification task. Experimental results on benchmark databases show that the proposed method achieves superior performance to the state-of-the-art methods for some of the image categories.


 활용도 분석

  • 상세보기

    amChart 영역
  • 원문보기

    amChart 영역