.png){kind=icon}
返回
Combining Classifiers for Texture Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-03708-4_25.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
纹理分类是一项涉及从人脸识别到医学图像中癌症检测等多个领域的关键任务。在传统方法中，应用的成功高度依赖于特征提取和分类阶段。多年来，提出了多种特征提取方法，其中非手工设计的方法持续优于手工设计的方法。本文研究了基于从非手工设计架构中提取的特征训练的分类器的静态和动态选择技术。实验在两个广泛用于纹理分类评估的具有挑战性的基准数据集上进行：FMD数据集和可描述纹理数据集（DTD）。我们首先评估了单个特征，发现视觉变换器（ViT）相比其他架构表现尤为出色。然而，分类器集合的显著更高的Oracle准确率表明，在分类器组合和选择技术方面的研究仍有改进空间。我们观察到，通过应用静态组合方法（如求和、乘积和最大值规则）组合表现最佳的分类器时，性能得到提升。动态分类器选择技术并未在速率上带来改进。通过求和和乘积规则进行分类器的静态组合实现了最佳性能。在FMD数据库中，F1分数为93.2%，而在DTD中为81.74%。所达到的结果在两个数据集上均位列前三的当前最优性能之列。
Keyword:
Texture Classification
Static Combination Classifier
Dynamic Classifier Selection
期刊
A
IF:
0
论文数:
30
被引数:
0
机构
引用论文
RADAM: Texture recognition through randomized aggregated encoding of deep activation maps.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Inception-v4, Inception-ResNet and the Impact of Residual Connections on LearningInception-v4、Inception-ResNet和剩余连接对学习的影响
OAAI
OAAI分享收藏COVID-19 identification in chest X-ray images on flat and hierarchical classification scenarios在平坦和分层分类场景下胸部x射线图像中的新型冠状病毒肺炎识别OAAI
OAAI分享收藏分享收藏Handcrafted vs. non-handcrafted features for computer vision classificationPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容