-
题名结合全局和局部约束的sLDA铁路扣件分类模型
- 1
-
-
作者
杨飞
罗建桥
李柏林
-
机构
西南交通大学机械工程学院
-
出处
《计算机应用》
CSCD
北大核心
2019年第3期888-893,共6页
-
基金
四川省科技支撑计划项目(2018GZ0361)~~
-
文摘
针对监督潜在狄利克雷分布(sLDA)模型中测试图像缺乏标注,导致测试主题分布忽略目标结构的问题,提出一种结合全局和局部约束的sLDA(glc-sLDA)扣件图像分类模型。首先,人工标注训练图像,并在sLDA模型中学习得到含有结构信息的训练主题分布;然后,计算测试主题分布,将测试图像的类别概率作为全局约束,将测试图像子块与训练图像子块的主题相似程度作为局部约束;最后,以全局和局部约束的乘积为更新权值,对训练主题分布加权求和得到新的测试主题分布,并在Softmax分类器中得到测试图像的分类结果。实验结果表明,glc-sLDA模型能表达扣件结构信息,与sLDA相比,各类别的扣件图像区分性增强,分类误检率减小了55%。
-
关键词
铁路扣件分类
监督潜在狄利克雷分布
主题模型
单词标注
目标结构
更新主题分布
-
Keywords
railway fastener classification
supervised Latent Dirichlet Allocation(sLDA)
topic model
annotation of word
target structure
update topic distribution
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
