이미지 분류를 위한 비주얼 어휘의 피셔 커널

패턴 분류 분야에서, 피셔 커널은 생성적 접근과 판별적 접근의 강점을 결합한 강력한 프레임워크입니다. 이 아이디어는 생성 확률 모델에서 파생된 기울기 벡터로 신호를 특징짓고, 이후 이 표현을 판별 분류기에 공급하는 것입니다. 우리는 이 프레임워크를 이미지 분류에 적용할 것을 제안합니다. 여기서 입력 신호는 이미지이며, 기본 생성 모델은 시각적 어휘입니다: 이미지의 저수준 특징 분포를 근사화하는 가우시안 혼합 모델입니다. 우리는 피셔 커널이 실제로 인기 있는 비주얼 단어 가방의 확장으로 이해될 수 있음을 보여줍니다. 우리의 접근 방식은 19개 물체/장면 카테고리의 내부 데이터베이스와 최근 발표된 VOC 2006 데이터베이스의 두 가지 도전적인 데이터베이스에서 뛰어난 성능을 보여줍니다. 또한, 매우 실용적입니다: 훈련 및 테스트 시에 낮은 계산 요구 사항을 가지고 있으며, 하나의 카테고리 세트에서 학습된 어휘는 다른 세트에 적용될 경우 성능의 유의미한 손실 없이 사용할 수 있습니다.