Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Buchtitelbild

2016 | OriginalPaper | Buchkapitel

9. Scene Classification Based on Regularized Auto-Encoder and SVM

verfasst von : Yi Li, Nan Li, Hongpeng Yin, Yi Chai, Xuguo Jiao

Erschienen in: Proceedings of the 2015 Chinese Intelligent Systems Conference

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Scene classification aims at grouping images into semantic categories. In this article, a new scene classification method is proposed. It consists of regularized auto-encoder-based feature learning step and SVM-based classification step. In the first step, the regularized auto-encoder, imposed with the maximum scatter difference (MSD) criterion and sparse constraint, is trained to extract features of the source images. In the second step, a multi-class SVM classifier is employed to classify those features. To evaluate the proposed approach, experiments based on 8-category sport events (LF data set) are conducted. Results prove that the introduced approach significantly improves the performance of the current popular scene classification methods.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Literatur
1.
Serrano-Talamantes JF, Aviles-Cruz C, Villegas-Cortez J, Sossa-Azuela JH (2013) Self-organizing natural scene image retrieval. Expert Syst Appl 40(7):2398–2409CrossRef
2.
Qin J, Yung NHC (2010) Scene categorization via contextual visual words. Pattern Recogn 43:1874–1888CrossRefMATH
3.
Song F, Zhang D, Chen Q, W Jizhong (2007) Face recognition based a novel linear discriminant criterion. Pattern Anal Applic 10:165–174MathSciNetCrossRef
4.
Deng J, Zhang Z, Marchi E, Schuller B (2013) Sparse auto-encoder-based feature transfer learning for speech emotion recognition. In: Affective computing and intelligent interaction, human association conference, pp 511–516
5.
Krizhevsky A, Hinton GE (2010) Factored 3-way restricted Boltzmann achiness for modelling natural images. In: International conference on artificial intelligence and statistics, pp 621–628
6.
Chen Y, Xu W, Wu J, Zhang G (2012) Fuzzy maximum scatter discriminant analysis in image segmentation. J Convergence Inf Technol 7(5)
7.
Yang J, Yang JY (2003) Why can LDA be performed in PCA transformed space. Pattern Recognit 2:563–566
8.
Li LJ, Su H, Fei-Fei L (2007) What, where and who? Classification events by scene and object recognition. In: Eleventh IEEE international conference on computer vision, pp 1–8
9.
Wu J, Rehg JM (2009) Beyond the Euclidean distance: creating effective visual codebooks using the histogram intersection kernel. In: Twelfth IEEE international conference on computer vision, pp 630–637
10.
Li LJ, Su H, Lim YW, Fei-Fei L (2010) Objects as attributes for scene classification. In: European conference computer vision, pp 1–13
11.
Nakayama H, Harada T, Kuniyoshi Y (2010) Global Gaussian approach for scene categorization using information geometry. In: IEEE conference on computer vision and pattern recognition, pp 2336–2343
12.
Li LJ, Su H, Xing EP, Fei-Fei L (2010) Object bank: a high-level image representation for scene classification & semantic feature sparsification. In: Proceedings of the neural information processing systems
13.
Zhou L, Zhou Z, Hu D (2013) Scene classification using a multi-resolution bag-of-features model. Pattern Recogn 46:424–433CrossRef
14.
Gao SH, Tsang IWH, Chia LT (2010) Kernel sparse representation for image classification and face recognition. In: European conference computer vision, pp 1–14
15.
Huang GB, Lee H, Learned-Miller E (2012) Learning hierarchical representations for face verification with convolutional deep belief networks. In: IEEE Conference on computer vision and pattern recognition, pp 2518–2525
16.
Lin SW, Ying KC, Chen SC, Lee ZJ (2008) Particle swarm optimization for parameter determination and feature selection of support vector machines. Expert Syst Appl 35(4):1817–1824CrossRef
Metadaten
Titel
Scene Classification Based on Regularized Auto-Encoder and SVM
verfasst von
Yi Li
Nan Li
Hongpeng Yin
Yi Chai
Xuguo Jiao
Copyright-Jahr
2016
Verlag
Springer Berlin Heidelberg
Buch
Proceedings of the 2015 Chinese Intelligent Systems Conference

Print ISBN: 978-3-662-48363-3

Electronic ISBN: 978-3-662-48365-7

Copyright-Jahr: 2016

DOI
https://doi.org/10.1007/978-3-662-48365-7_9