基于k密集近邻算法的局部Fisher向量编码方法

来源：大连理工大学学报杂志2020年第4期北京时间：

作者：冀治航,胡小鹏,杨博,田云云,王凡

摘要：在基于视觉词包模型的图像分类方法中，Fisher向量编码是常用的图像表示方法之一．该方法利用每一个特征关于所有高斯子模型似然函数的梯度信息来构建图像表达．而在编码过程中，每一个特征都会被投影到所有的高斯子模型上并进行编码，同时子模型之间的内在差异也未被考虑，这些不足削弱了Fisher向量的表达能力．为此，提出一种基于k密集近邻算法的局部Fisher向量编码方法．在编码过程中该方法引入局部性约束原则，并利用图像特征空间中高斯子模型间的拓扑结构差异．在多个数据集上进行测试，结果表明改进方法能够有效提升分类的准确率．

关键词：视觉词包模型图像分类Fisher向量编码k密集近邻算法

基金资助：国家重大专项资助项目(2018YFA0704605)；“十三五”重大专项资助项目(2017ZX05064).