文献检索-宁波市创意产业特色资源库

限定检索结果

多类在线Boosting的小样本细粒度图像目标识别算法: 收藏
分享
引用; 《信息技术与信息化》2025年第1期 133-136页; 作者：闵小翠广州华立科技职业学院广东广州511325; 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...; 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。; 来源：详细信息评论

限定检索结果