Clasificación Robusta de Escenas Aprendiendo Estadísticas de Imágenes en Contexto

Presentamos un enfoque genérico y robusto para la categorización de escenas. Una escena compleja se describe mediante proto- conceptos como vegetación, agua, fuego, cielo, etc. Estos proto-conceptos están representados por características de bajo nivel, donde utilizamos estadísticas de imágenes naturales para representar de manera compacta la información de textura invariante al color mediante una distribución de Weibull. Introducimos la noción de contexturas que preservan el contexto de las texturas en una escena visual con un histograma de ocurrencias (contexto) de similitudes con descriptores de proto-conceptos (textura). En contraste con un enfoque de libro de códigos, usamos la similitud con todos los elementos del vocabulario para generalizar más allá de las palabras clave. Los descriptores visuales se obtienen combinando diferentes tipos de contextos con diferentes parámetros de textura. Los descriptores de escenas visuales se generalizan a categorías visuales entrenando una máquina de soporte vectorial. Evaluamos nuestro enfoque en 3 conjuntos de datos diferentes: 1) 50 categorías para el conjunto de datos de video TRECVID; 2) las imágenes de 101 objetos de Caltech; 3) 89 categorías que son la intersección del banco de fotos Corel con el banco de fotos Art Explosion. Los resultados muestran que nuestro enfoque es robusto en diferentes conjuntos de datos, manteniendo un rendimiento competitivo.