YUV 空间中基于稀疏自动编码器的无监督特征学习

StepPeng33

摘 要：现有无监督特征学习算法通常在 RGB 色彩空间进行特征提取，而图像和视频压缩编码标准则广泛采用
1 C" E1 q) p/ B" C5 ]YUV 色彩空间。为了利用人类视觉特性和避免色彩空间转换所消耗的计算量，该文提出一种基于稀疏自动编码器
3 N& K; A% g  Z7 s$ J在 YUV 色彩空间进行无监督特征学习的方法。首先在 YUV 空间随机采集图像子块并进行白化处理，然后利用稀
6 R2 ~6 L$ U% Q& M5 d疏自动编码器进行无监督局部特征学习。在预处理阶段，针对 YUV 空间亮度和色度通道相互独立的特性，提出一
2 k) c# s, q  a9 z) _种将亮度和色度进行分离的白化措施。最后用学习到的局部特征在大尺寸图像上进行卷积操作从而获得全局特征，
+ R- A7 ^) @; ~并送入图像分类系统进行性能测试。实验结果表明：只要对亮度分量进行适当的白化处理，在 YUV 空间中的无监
督特征学习就能够获得相当于甚至优于 RGB 空间的彩色图像分类性能。
关键词：图像分类；无监督特征学习；稀疏自动编码器；卷积神经网络；深度学习
  Z# I) m& |* J: [1 引言
作为机器学习和深度学习领域的一种特征提取
- y( W: X( Q6 a2 O8 k% i方式，无监督学习旨在从无标记数据中提取有用特
, S1 ]- c6 {- S
% V. E+ O' J6 S5 u  I" u
" s% H1 N1 d# F$ A

% l5 D. p1 u6 o' q6 ^附件下载：

游客，如果您要查看本帖隐藏内容请回复

Blah

看看