多类在线Boosting的小样本细粒度图像目标识别算法

作     者：闵小翠 MIN Xiaocui

作者机构：广州华立科技职业学院广东广州511325 

基　　金：广东省教育厅2024年度普通高校重点科研平台和项目(2024ZDZX4104) 广东省教育厅2022年度广东省普通高校特色创新类项目“基于互联网+共享农场系统设计与实现”(2022KTSCX372) 广州市科学技术局2024年度农村科技特派员专题“铁皮石斛附生乌榄树生态种植技术的应用推广”(2024E04J1274) 广州市增城区科技创新发展扶持资金项目(经济和社会科技专题项目)(2024ZCKJ13) 广东省教育厅第一批省高职院校高水平专业群:软件技术专业群(GSPZYQ2020082) 2022年中国高校产学研创新基金一新一代信息技术创新项目(2022IT235) 

出 版 物：《信息技术与信息化》 (Information Technology and Informatization)

年 卷 期：2025年第1期

页      码：133-136页

摘      要：在图像识别领域,传统方法处理小样本细粒度图像时局限于单模态,忽略了图像内部联系,导致识别效果差。为此,文章提出了一种针对小样本细粒度图像的多类在线Boosting目标识别算法。该算法先对图像进行预处理和分割,用双随机矩阵打乱碎片后重建图像。在重建图上提取细粒度特征,通过深度学习模型将这些特征映射至高维空间形成有效特征表示。这些特征随后被输入多类在线Boosting算法,结合多个弱学习器并更新模型,挖掘特征关联性,构建跨模态语义关联,实现精确识别。实验结果显示,对200组细粒度图像识别时,本算法在不同测试数据集上识别效果稳定,TP识别数均在192以上,最高达194。与对照组相比,本算法在识别可靠性和有效性方面优势显著。

主 题 词：多类在线Boosting 小样本细粒度图像 目标识别 拼图排列解算 双随机矩阵 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1672-9528.2025.01.031

馆 藏 号：203157289...