图像集分类算法种类较多,但多数存在运算繁琐、计算成本高和时效性差的问题。为此,提出一种改进的图像重建与识别算法,利用线性回归分类和共享最近邻子空间分类理论进行图像重建和分类,通过将图像下采样建立的高维空间重建为子空间,避免计算复杂度较高的训练过程。利用各个类别的图像集子空间对测试图像进行回归模型估计,根据回归模型重建测试集中的图像,基于重建图像和原始图像间重建误差最小化法,采用加权投票策略对测试集进行估计以确定图像所属的类别。在UCSD/ Honda cmu、ETH-8和 Youtube数据集上进行实验,结果表明,在低分辨率釆样条件下,与ADNT算法相比,该算法平均分类精度提高3.6%,运算效率提高10倍,其最快响应时间缩短至2.8ms。
声明:本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人,不代表电子发烧友网立场。文章及其配图仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。 举报投诉
全部0条评论
快来发表一下你的评论吧 !