Apprentissage de codebook pour la reconnaissance d'image basé sur l'analyse SIFT clé parallèle

La qualité du codebook est très importante dans la classification d'images visuelles. Afin d'améliorer les performances de classification, un schéma de génération de codebook pour la reconnaissance d'images de scène basé sur l'analyse SIFT clé parallèle (PKSA) est présenté dans cet article. La méthode applique de manière itérative un algorithme de clustering k-means classique et une analyse de similarité pour évaluer les descripteurs SIFT clés (KSD) à partir des images d'entrée, et génère le codebook à l'aide d'un algorithme k-means détendu selon l'ensemble de KSD. Dans le but d'évaluer les performances du schéma PKSA, le vecteur de caractéristiques d'image est calculé par code clair avec la correspondance de pyramide spatiale (ScSPM) après que le codebook soit construit. La méthode ScSPM basée sur PKSA est testée et comparée sur trois ensembles de données d'images de scène publiques. Les résultats expérimentaux montrent que le schéma proposé de PKSA peut considérablement économiser du temps de calcul et améliorer le taux de catégorisation.