10.3969/j.issn.2095-2783.2018.20.016
基于梯度提升决策树与混合型迁移学习的材质属性标注模型
提出了基于梯度提升决策树(gradient boosting decision tree,GBDT)与混合型迁移学习策略的材质属性标注模型,创建全新的材质属性数据集MattrSet,提取图像LBP、Gist、SIFT特征;引入GBDT算法,基于对数似然损失函数优化标注模型,实现图像的材质属性标注;设计混合型迁移学习策略,弥补样本缺失或不平衡问题,并进一步改善标注性能.实验结果表明:迁移学习前,梯度提升决策树算法的标注性能较最强基线提升2.78%;执行基本迁移学习策略后,标注性能比迁移学习前提升11.02%;合理地组合模型并执行混合型迁移学习策略,标注性能比基础迁移学习提升22.5%,较最强基线提升16.80%.
材质属性标注、梯度提升决策树、混合型迁移学习
13
TP391(计算技术、计算机技术)
国家自然科学基金;国家自然科学基金;国家自然科学基金;教育部人文社会科学研究项目;教育部人文社会科学研究项目;江西省自然科学基金;江西省重点研发计划资助项目
2019-06-04(万方平台首次上网日期,不代表论文的发表时间)
共10页
2378-2387