21、基于图的图像分类

基于图的图像分类

1. 引言

图像分类是计算机视觉领域中的一个基本任务，其目标是将图像分配到预定义的类别中。传统的图像分类方法通常依赖于手工设计的特征，如SIFT、HOG等。然而，随着深度学习的发展，卷积神经网络（CNN）逐渐成为图像分类的主流方法。尽管如此，基于图的方法在处理结构化数据方面具有独特的优势，特别是在处理具有复杂关系的数据时。本文将介绍一种基于图卷积回归的判别流形学习方法，该方法结合了图卷积和流形学习的优点，用于图像分类任务。

2. 基于图卷积回归的判别流形学习框架

2.1 框架概述

许多学习问题可以归结为从数据驱动的图中学习。本文介绍了一种通过估计包含谱图卷积结构的非线性嵌入来进行监督和半监督学习的框架。该框架的主要特点如下：

• 数据平滑性 ：在图上整合数据平滑性，确保嵌入后的数据在图上保持局部一致性。
• 回归问题 ：通过联合使用数据及其图来解决回归问题，即回归器看到的是卷积后的数据样本。
• 非线性嵌入 ：利用谱图卷积结构估计非线性嵌入，提高分类性能。

2.2 主要贡献

该框架的主要贡献包括：

• 统一框架 ：提出了一种非线性嵌入的统一框架，该框架集成了流形平滑性、大间隔概念和稀疏回归用于图像分类。
• 封闭形式解 ：提供了一个优化问题的封闭形式解，简化了计算过程。 <