45、单对象图像分类技术全解析

单对象图像分类技术全解析

1. 单对象图像分类概述

单对象图像是指在简单背景上基本只包含一个对象的图像，像商品目录图片就属于这类。这类图像在图像搜索中很重要，因为搜索者通常会使用简单的查询词，如“大象”，并且可能不介意简单的搜索结果。此外，从这类图像中学习对象类别的模型可能比从一般图像中更容易。计算机视觉的一个核心挑战就是学会对这类图像进行分类。

目前处理这个问题尝试了各种各样的特征和分类器，当前的工作主要有两条主线：一是尝试使用固定的类别集提高方法的准确性，从而深入了解特征构建；二是尝试处理大量的类别，以了解什么特征具有总体的区分性。

2. 图像分类策略

图像分类的一般策略是先计算特征，然后将特征向量输入到多类分类器中。具体来说：
- 常用特征 ：通常使用HOG和SIFT特征的变体，并结合颜色特征。还会常用视觉词字典，不过构建这些字典的具体方式差异很大。空间金字塔和金字塔匹配核在表示图像方面表现出色。
- 分类器选择 ：有多种分类器可供选择，不同的合理选择会产生略有不同的结果，但没有一种分类器具有绝对优势。

由于有众多各具优势的方法，很难明确最佳实践。当遇到新的图像分类问题时，可按以下步骤操作：
1. 为图像网格上的特征位置计算视觉词，若数据充足，将这些视觉词进行向量量化，类型数量可设为(10^4)或(10^5)。
2. 用视觉词的直方图表示图像，并使用直方图相交核进行分类。
3. 如果对结果不满意，先改变视觉词的类型数量，再应用空间金字塔核。
4. 最后，可以搜索不同的特征计算包和不同类型的分类器。