特征编码
-
-
-
MATLAB实现的深度卷积神经网络与Fisher Vector图像分类系统
本项目基于MATLAB开发，结合预训练CNN（如VGG/ResNet）提取图像高层特征，通过Fisher Vector编码和高斯混合模型优化特征表示，实现高效的图像分类。系统适用于复杂场景下的视觉任务，提供可扩展的深度学习框架。 -
基于局部约束线性编码的图像分类系统
本项目主要实现了一种高效的图像特征编码方法——局部性约束线性编码（Locality-constrained Linear Coding, LLC），并将其应用于图像分类任务。LLC可以被视为局部坐标编码（LCC）的快速近似实现，它通过利用局部坐标系将每个视觉描述符投影到局部流形上，强制该描述符仅由其特征空间中的K个最近邻基底表示，从而引入了局部性约束。该项目的功能涵盖了完整的图像分类管道：首先进行图像底层特征（如SIFT）的提取；其次利用聚类算法（如K-means）生成视觉词典；然后应用核心的LLC算法进行特征编码，LLC通过解析解直接求解优化问题，避免了传统稀疏编码中昂贵的迭代计算，将每个描述符的计算复杂度降低至O(M+K)级别；接着采用空间金字塔匹配（SPM）结合最大池化（Max Pooling）策略汇聚生成图像的最终特征表示；最后使用线性支持向量机（Linear SVM）完成分类预测。该系统验证了LLC在保持计算高效性的同时，能够生成具有高判别力的特征表示，配合线性分类器即可获得令人印象深刻的分类精度。
