第11卷第5期 智能系统学报 Vol.11 No.5 2016年10月 CAAI Transactions on Intelligent Systems 0ct.2016 D0I:10.11992/is.201601001 网络出版地址：htp:/nww.cnki.net/kcms/detail/23.1538.TP.20160718.1521.004.html 基于感受野学习的特征词袋模型简化算法 赵骞，李敏，赵晓杰，陈雪勇 (电子科技大学计算机科学与工程学院，四川成都611731) 摘要：本文研究了在图像识别任务中，感受野学习对于特征词袋模型的影响。在特征词袋模型中，一个特征的感 受野主要取决于视觉词典中的视觉单词和池化过程中所使用的区域。视觉单词决定了特征的选择性，池化区域则 影响特征的局部性。文中提出了一种改进的感受野学习算法，用于寻找针对具体的图像识别任务最具有效性的感 受野，同时考虑到了视觉单词数量增长所带来的冗余问题。通过学习，低效、冗余的视觉单词和池化区域会被发现， 并从特征词袋模型中移除，从而产生一个针对具体分类任务更精简的、更具可分性的图像表达。最后，通过实验显 示了该算法的有效性，学习到的模型除了结构精简，在识别精度上相比原有方法也能有一定提升。 关键词：视觉词袋模型；感受野学习：目标识别；图像分类；特征学习 中图分类号：TP391.4文献标志码：A文章编号：1673-4785(2016)05-0663-07 中文引用格式：赵赛，李敏，赵晓杰，等.基于感受野学习的特征词袋模型简化算法[J].智能系统学报，2016,11(5)：663-669.， 英文引用格式：ZHAO Qian,LI Min,ZHAO Xiaojie,etal.Learning receptive fields for compact bag-of-feature model[J].CAAl transactions on intelligent systems,2016,11(5):663-669. Learning receptive fields for compact bag-of-feature model ZHAO Qian,LI Min,ZHAO Xiaojie,CHEN Xueyong (School of Computer Science and Engineering,University of Electronic Science and Technology of China,Chengdu 611731,China) Abstract:In this work,the effects of receptive field learning on a bag-of-features pipeline were investigated for an image identification task.In a bag-of-features model,the receptive field of a feature depends mostly on use of visual words in a visual dictionary and the region used during the pooling process.Codewords make the feature respond to specific image patches and the pooling regions determine the spatial scope of the features.A modified graft feature selecting algorithm was proposed to find the most efficient receptive fields for identification purposes;this considers the redundancy problem created by simultaneously increasing visual words.Using learning receptive fields,ineffi- cient and redundant codewords and pooling regions were found and subsequently eliminated from the pooling re- gion,this made the pipeline more compact and separable for the specified classification task.The experiments show that the modified learning algorithm is effective and the learned pipeline useful for both structural simplification and improving classification accuracy compared with the baseline method. Keywords:bag-of-features model;receptive field learning;object recognition;image classification;feature learn- ing 在计算机视觉和模式识别领域，图像识别是一BoF)是一种常用的简洁而高效的图像中级特征 类相当常见的问题。它的作用是预测一幅图像的类(mid-level feature)学习模型。一个基本的BoF模型 别标签，或者标注出图像内容的属性。在使用分类 通常包含5个部分，提取图像块、描述图像块、视觉 器对图像所属类别进行预测之前，一般会使用合适 词典学习编码(coding)和池化(pooling)山。其中， 的特征对图像进行描述。特征词袋(bag-of-features, 视觉词典学习作为BoF模型的核心，集中了大量的 研究工作，有不少基于监督)和无监督[)的视觉词 收稿日期：2016-01-01.网络出版日期：2016-07-18 典学习算法被提出，比如K-means4、稀疏编码]等 基金项目：国家自然科学基金项目(61371182). 通信作者：赵骞.E-mail:zhokyia@gmail.com. 都可作为词典学习算法被集成在BoF模型中。对
第 １１ 卷第 ５ 期 智 能 系 统 学 报 Ｖｏｌ．１１ №．５ ２０１６ 年 １０ 月 ＣＡＡＩ Ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｓｙｓｔｅｍｓ Ｏｃｔ． ２０１６ ＤＯＩ：１０．１１９９２ ／ ｔｉｓ．２０１６０１００１ 网络出版地址：ｈｔｔｐ： ／ ／ ｗｗｗ．ｃｎｋｉ．ｎｅｔ ／ ｋｃｍｓ／ ｄｅｔａｉｌ ／ ２３．１５３８．ＴＰ．２０１６０７１８．１５２１．００４．ｈｔｍｌ 基于感受野学习的特征词袋模型简化算法 赵骞，李敏，赵晓杰，陈雪勇 （电子科技大学 计算机科学与工程学院，四川 成都 ６１１７３１） 摘 要：本文研究了在图像识别任务中，感受野学习对于特征词袋模型的影响。 在特征词袋模型中，一个特征的感 受野主要取决于视觉词典中的视觉单词和池化过程中所使用的区域。 视觉单词决定了特征的选择性，池化区域则 影响特征的局部性。 文中提出了一种改进的感受野学习算法，用于寻找针对具体的图像识别任务最具有效性的感 受野，同时考虑到了视觉单词数量增长所带来的冗余问题。 通过学习，低效、冗余的视觉单词和池化区域会被发现， 并从特征词袋模型中移除，从而产生一个针对具体分类任务更精简的、更具可分性的图像表达。 最后，通过实验显 示了该算法的有效性，学习到的模型除了结构精简，在识别精度上相比原有方法也能有一定提升。 关键词：视觉词袋模型； 感受野学习；目标识别；图像分类；特征学习 中图分类号：ＴＰ３９１．４ 文献标志码：Ａ 文章编号：１６７３⁃４７８５（２０１６）０５⁃０６６３⁃０７ 中文引用格式：赵骞，李敏，赵晓杰，等．基于感受野学习的特征词袋模型简化算法［Ｊ］． 智能系统学报， ２０１６， １１（５）：６６３⁃６６９． 英文引用格式：ＺＨＡＯ Ｑｉａｎ， ＬＩ Ｍｉｎ， ＺＨＡＯ Ｘｉａｏｊｉｅ， ｅｔ ａｌ． Ｌｅａｒｎｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｆｏｒ ｃｏｍｐａｃｔ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅ ｍｏｄｅｌ［Ｊ］． ＣＡＡＩ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｉｎｔｅｌｌｉｇｅｎｔ ｓｙｓｔｅｍｓ， ２０１６，１１（５）：６６３⁃６６９． Ｌｅａｒｎｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｆｏｒ ｃｏｍｐａｃｔ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅ ｍｏｄｅｌ ＺＨＡＯ Ｑｉａｎ， ＬＩ Ｍｉｎ， ＺＨＡＯ Ｘｉａｏｊｉｅ， ＣＨＥＮ Ｘｕｅｙｏｎｇ （Ｓｃｈｏｏｌ ｏｆ Ｃｏｍｐｕｔｅｒ Ｓｃｉｅｎｃｅ ａｎｄ Ｅｎｇｉｎｅｅｒｉｎｇ， Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｅｌｅｃｔｒｏｎｉｃ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ， Ｃｈｅｎｇｄｕ ６１１７３１， Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：Ｉｎ ｔｈｉｓ ｗｏｒｋ， ｔｈｅ ｅｆｆｅｃｔｓ ｏｆ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｌｅａｒｎｉｎｇ ｏｎ ａ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ ｐｉｐｅｌｉｎｅ ｗｅｒｅ ｉｎｖｅｓｔｉｇａｔｅｄ ｆｏｒ ａｎ ｉｍａｇｅ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｔａｓｋ． Ｉｎ ａ ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ ｍｏｄｅｌ， ｔｈｅ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｏｆ ａ ｆｅａｔｕｒｅ ｄｅｐｅｎｄｓ ｍｏｓｔｌｙ ｏｎ ｕｓｅ ｏｆ ｖｉｓｕａｌ ｗｏｒｄｓ ｉｎ ａ ｖｉｓｕａｌ ｄｉｃｔｉｏｎａｒｙ ａｎｄ ｔｈｅ ｒｅｇｉｏｎ ｕｓｅｄ ｄｕｒｉｎｇ ｔｈｅ ｐｏｏｌｉｎｇ ｐｒｏｃｅｓｓ． Ｃｏｄｅｗｏｒｄｓ ｍａｋｅ ｔｈｅ ｆｅａｔｕｒｅ ｒｅｓｐｏｎｄ ｔｏ ｓｐｅｃｉｆｉｃ ｉｍａｇｅ ｐａｔｃｈｅｓ ａｎｄ ｔｈｅ ｐｏｏｌｉｎｇ ｒｅｇｉｏｎｓ ｄｅｔｅｒｍｉｎｅ ｔｈｅ ｓｐａｔｉａｌ ｓｃｏｐｅ ｏｆ ｔｈｅ ｆｅａｔｕｒｅｓ． Ａ ｍｏｄｉｆｉｅｄ ｇｒａｆｔ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｎｇ ａｌｇｏｒｉｔｈｍ ｗａｓ ｐｒｏｐｏｓｅｄ ｔｏ ｆｉｎｄ ｔｈｅ ｍｏｓｔ ｅｆｆｉｃｉｅｎｔ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｆｏｒ ｉｄｅｎｔｉｆｉｃａｔｉｏｎ ｐｕｒｐｏｓｅｓ； ｔｈｉｓ ｃｏｎｓｉｄｅｒｓ ｔｈｅ ｒｅｄｕｎｄａｎｃｙ ｐｒｏｂｌｅｍ ｃｒｅａｔｅｄ ｂｙ ｓｉｍｕｌｔａｎｅｏｕｓｌｙ ｉｎｃｒｅａｓｉｎｇ ｖｉｓｕａｌ ｗｏｒｄｓ． Ｕｓｉｎｇ ｌｅａｒｎｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ， ｉｎｅｆｆｉ⁃ ｃｉｅｎｔ ａｎｄ ｒｅｄｕｎｄａｎｔ ｃｏｄｅｗｏｒｄｓ ａｎｄ ｐｏｏｌｉｎｇ ｒｅｇｉｏｎｓ ｗｅｒｅ ｆｏｕｎｄ ａｎｄ ｓｕｂｓｅｑｕｅｎｔｌｙ ｅｌｉｍｉｎａｔｅｄ ｆｒｏｍ ｔｈｅ ｐｏｏｌｉｎｇ ｒｅ⁃ ｇｉｏｎ， ｔｈｉｓ ｍａｄｅ ｔｈｅ ｐｉｐｅｌｉｎｅ ｍｏｒｅ ｃｏｍｐａｃｔ ａｎｄ ｓｅｐａｒａｂｌｅ ｆｏｒ ｔｈｅ ｓｐｅｃｉｆｉｅｄ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ｔａｓｋ． Ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｍｏｄｉｆｉｅｄ ｌｅａｒｎｉｎｇ ａｌｇｏｒｉｔｈｍ ｉｓ ｅｆｆｅｃｔｉｖｅ ａｎｄ ｔｈｅ ｌｅａｒｎｅｄ ｐｉｐｅｌｉｎｅ ｕｓｅｆｕｌ ｆｏｒ ｂｏｔｈ ｓｔｒｕｃｔｕｒａｌ ｓｉｍｐｌｉｆｉｃａｔｉｏｎ ａｎｄ ｉｍｐｒｏｖｉｎｇ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ｃｏｍｐａｒｅｄ ｗｉｔｈ ｔｈｅ ｂａｓｅｌｉｎｅ ｍｅｔｈｏｄ． Ｋｅｙｗｏｒｄｓ：ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ ｍｏｄｅｌ； ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｌｅａｒｎｉｎｇ； ｏｂｊｅｃｔ ｒｅｃｏｇｎｉｔｉｏｎ； ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ； ｆｅａｔｕｒｅ ｌｅａｒｎ⁃ ｉｎｇ 收稿日期：２０１６⁃０１⁃０１． 网络出版日期：２０１６⁃０７⁃１８． 基金项目：国家自然科学基金项目（６１３７１１８２）． 通信作者：赵骞． Ｅ⁃ｍａｉｌ：ｚｈｏｋｙｉａ＠ ｇｍａｉｌ．ｃｏｍ． 在计算机视觉和模式识别领域，图像识别是一 类相当常见的问题。 它的作用是预测一幅图像的类 别标签，或者标注出图像内容的属性。 在使用分类 器对图像所属类别进行预测之前，一般会使用合适 的特征对图像进行描述。 特征词袋（ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ， ＢｏＦ）是一种常用的简洁而高效的图像中级特征 （ｍｉｄ⁃ｌｅｖｅｌ ｆｅａｔｕｒｅ）学习模型。 一个基本的 ＢｏＦ 模型 通常包含 ５ 个部分，提取图像块、描述图像块、视觉 词典学习编码（ ｃｏｄｉｎｇ）和池化（ ｐｏｏｌｉｎｇ） ［１］ 。 其中， 视觉词典学习作为 ＢｏＦ 模型的核心， 集中了大量的 研究工作，有不少基于监督［２］ 和无监督［３］ 的视觉词 典学习算法被提出，比如 Ｋ⁃ｍｅａｎｓ ［４］ 、稀疏编码［５］等 都可作为词典学习算法被集成在 ＢｏＦ 模型中。 对
·664. 智能系统学报 第11卷 于如何找到更好的池化区域，来生成包含更多局部 通常将输入图像（或低级特征，比如SIFT、HOG 性信息的图像特征，同样吸引了众多研究者的目光。 等)使用视觉词典中的视觉单词进行编码，从而得 其中，空间金字塔模型(spatial pyramid matching)是 到一组特征响应的分布图。相对于BoF模型在图 一种常用的区域选取策略，他将特征图分割成为一 像检索领域的应用，局部空间的特征直方图对于图 个一个逐层细化的空间子区域，之后在这些子区域 像识别具有更重要的作用。因此对于特征图进行分 上分别进行池化操作6)。Coates等]通过对特征图 块池化操作，可以使特征表达中包含多个区域、多个 之间相似性的分析，使用贪婪方法，将相似性较高的 尺度上的特征统计信息。 特征图分为一组，从而使得特征表达获得了一定的 1.1词典学习 旋转不变性，Ja等]对于空间金字塔模型进行了进 建立BF模型的第一步就是使用学习算法获 一步的扩展，定义了一组超完备(over-complete)的 得一个视觉词典(codebook)。为此，要从训练样本 池化区域，该区域是由所有在特征图上可能存在的 中随机提取图像块(patch)。然后选择一个学习算 矩形区域组成，并在此基础上提出了感受野学习 法，使用这些图像块作为算法的训练样本。常用的 (receptive field learning)的概，念，通过在超完备词典 词典学习算法有很多，总体上可分为有监督和无监 生成的特征图上的超完备区域中选择那些最为有效 督2类。在这里介绍两种高效的无监督词典学习方 区域。在这些被选择的池化区域上计算图像的特征 案，K-means和OMP-K学习算法[io 表达。 本文的工作正是基于Jia等[)提出的超完备区 minmin (1) =1 域的感受野学习方法的进一步改进，在感受野学习 K-means聚类算法[)是一种快速而且易实现 的同时考虑对视觉词典规模进行限制，同时实现 的学习算法，其通过最小化式(1)中的平方距离来 BoF模型中的视觉单词和池化区域的精简，从而到 搜索训练数据的K个聚类中心，从而可以得到一个 达优化BoF模型结构的目的。另外，与其他的词典 简化方法相比，该方法充分考虑到了池化的作用和 大小为K的词典。在式(1)中，x⊙是由输入的图像 分类任务对视觉单词的需求。 块或者初级特征组成的向量，d)是所求的聚类中 心，每一个聚类中心可以被视为一个视觉单词，他们 Bag-of-features模型 共同构成了一个完整的大小为K的词典D。 BoF模型的核心思想是将图像表示成为一组无 OMP-K是另外一种无监督学习算法，该算法通 序特征的集合，通过统计每一种特征的响应强度来 过交叉迭代公式(2)中的损失函数，在服从约束条 构造一个描述图像的直方图，即图像的中级特征表 件的前提下最小化重构误差，来获得词典D。它与 达。利用图像特征响应的直方图统计，可以训练分 K-means算法的主要区别在于，在学习阶段每个图 类器对图像中所表达的内容进行识别。BoF模型具 像块最多使用K个视觉单词计算最小误差，而K 有简洁、高效等特点，但同时BoF模型在最初提出 means算法每个图像块仅属于一个视觉单词（聚类 时是为了解决图像检索问题，对每种特征在整幅图 中心)。 像中的出现次数进行统计，无法对结构信息和空间 信息进行有效表示。 m∑IDsw-r0E BoF模型图像分类框架如图1所示。 subject to‖dwl匠=l,j (2) e and ll s@lo≤k,Hi 词典 式中：‖s⊙。使用0范数表示编码s0中非零元素 的数量，每个视觉单词d0为词典D中一列。使用 编码 池化 OMP-K算法计算式(2)，可以得到词典D。 输入图像 1.2特征编码 特征表达 在完成词典学习之后，需要对输入的数据（图 “小狗”· 分类器 预测 像或者初级特征)进行编码。软阈值(soft threshol- 图1面向图像识别的Bag-of-features模型框架图 dig)编码通过计算数据与视觉单词之间的内积对 Fig.1 Bag-of-features pipeline for image classification 数据进行编码，如式(3)。其中，阈值α的引入，为 编码后的特征带来一定的稀疏性[]
于如何找到更好的池化区域，来生成包含更多局部 性信息的图像特征，同样吸引了众多研究者的目光。 其中，空间金字塔模型（ ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍａｔｃｈｉｎｇ）是 一种常用的区域选取策略，他将特征图分割成为一 个一个逐层细化的空间子区域，之后在这些子区域 上分别进行池化操作［６］ 。 Ｃｏａｔｅｓ 等［７］通过对特征图 之间相似性的分析，使用贪婪方法，将相似性较高的 特征图分为一组，从而使得特征表达获得了一定的 旋转不变性，Ｊｉａ 等［８］对于空间金字塔模型进行了进 一步的扩展，定义了一组超完备（ ｏｖｅｒ⁃ｃｏｍｐｌｅｔｅ） 的 池化区域，该区域是由所有在特征图上可能存在的 矩形区域组成，并在此基础上提出了感受野学习 （ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｌｅａｒｎｉｎｇ）的概念，通过在超完备词典 生成的特征图上的超完备区域中选择那些最为有效 区域。 在这些被选择的池化区域上计算图像的特征 表达。 本文的工作正是基于 Ｊｉａ 等［９］ 提出的超完备区 域的感受野学习方法的进一步改进，在感受野学习 的同时考虑对视觉词典规模进行限制，同时实现 ＢｏＦ 模型中的视觉单词和池化区域的精简，从而到 达优化 ＢｏＦ 模型结构的目的。 另外，与其他的词典 简化方法相比，该方法充分考虑到了池化的作用和 分类任务对视觉单词的需求。 １ Ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ 模型 ＢｏＦ 模型的核心思想是将图像表示成为一组无 序特征的集合，通过统计每一种特征的响应强度来 构造一个描述图像的直方图，即图像的中级特征表 达。 利用图像特征响应的直方图统计，可以训练分 类器对图像中所表达的内容进行识别。 ＢｏＦ 模型具 有简洁、高效等特点，但同时 ＢｏＦ 模型在最初提出 时是为了解决图像检索问题，对每种特征在整幅图 像中的出现次数进行统计，无法对结构信息和空间 信息进行有效表示［９］ 。 ＢｏＦ 模型图像分类框架如图 １ 所示。 图 １ 面向图像识别的 Ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ 模型框架图 Ｆｉｇ．１ Ｂａｇ⁃ｏｆ⁃ｆｅａｔｕｒｅｓ ｐｉｐｅｌｉｎｅ ｆｏｒ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ 通常将输入图像（或低级特征，比如 ＳＩＦＴ、ＨＯＧ 等）使用视觉词典中的视觉单词进行编码，从而得 到一组特征响应的分布图。 相对于 ＢｏＦ 模型在图 像检索领域的应用，局部空间的特征直方图对于图 像识别具有更重要的作用。 因此对于特征图进行分 块池化操作，可以使特征表达中包含多个区域、多个 尺度上的特征统计信息。 １．１ 词典学习 建立 ＢｏＦ 模型的第一步就是使用学习算法获 得一个视觉词典（ ｃｏｄｅｂｏｏｋ）。 为此，要从训练样本 中随机提取图像块（ ｐａｔｃｈ）。 然后选择一个学习算 法，使用这些图像块作为算法的训练样本。 常用的 词典学习算法有很多，总体上可分为有监督和无监 督 ２ 类。 在这里介绍两种高效的无监督词典学习方 案，Ｋ⁃ｍｅａｎｓ 和 ＯＭＰ⁃Ｋ 学习算法［１０］ 。 ｍｉｎＤ∑ Ｋ ｉ ＝ １ ｍｉｎｊ‖ ｄ （ｊ） － ｘ （ｉ）‖ （１） Ｋ⁃ｍｅａｎｓ 聚类算法［１１］ 是一种快速而且易实现 的学习算法，其通过最小化式（１）中的平方距离来 搜索训练数据的 Ｋ 个聚类中心，从而可以得到一个 大小为 Ｋ 的词典。 在式（１）中，ｘ （ｉ）是由输入的图像 块或者初级特征组成的向量，ｄ （ｊ） 是所求的聚类中 心，每一个聚类中心可以被视为一个视觉单词，他们 共同构成了一个完整的大小为 Ｋ 的词典 Ｄ。 ＯＭＰ⁃Ｋ 是另外一种无监督学习算法，该算法通 过交叉迭代公式（２）中的损失函数，在服从约束条 件的前提下最小化重构误差，来获得词典 Ｄ。 它与 Ｋ⁃ｍｅａｎｓ 算法的主要区别在于，在学习阶段每个图 像块最多使用 Ｋ 个视觉单词计算最小误差，而 Ｋ⁃ ｍｅａｎｓ 算法每个图像块仅属于一个视觉单词（聚类 中心）。 ｍｉｎ Ｄ，ｓ （ｉ）∑ｉ ‖Ｄｓ （ｉ） － ｘ （ｉ）‖２ ２ ｓｕｂｊｅｃｔ ｔｏ‖ ｄ （ｊ）‖２ ２ ＝ １，∀ｊ ａｎｄ‖ ｓ （ｉ）‖０≤ ｋ，∀ｉ （２） 式中：‖ｓ （ｉ） ‖０使用 ０ 范数表示编码ｓ （ｉ） 中非零元素 的数量，每个视觉单词ｄ （ｊ） 为词典 Ｄ 中一列。 使用 ＯＭＰ⁃Ｋ 算法计算式（２），可以得到词典 Ｄ。 １．２ 特征编码 在完成词典学习之后，需要对输入的数据（图 像或者初级特征）进行编码。 软阈值（ ｓｏｆｔ ｔｈｒｅｓｈｏｌ⁃ ｄｉｎｇ）编码通过计算数据与视觉单词之间的内积对 数据进行编码，如式（３）。 其中，阈值 α 的引入，为 编码后的特征带来一定的稀疏性［１２］ 。 ·６６４· 智 能 系 统 学 报 第 １１ 卷
第5期 赵骞，等：基于感受野学习的特征词袋模型简化算法 ·665. f=max(10,dx -a (3) 判断，grafting全称梯度特征测试(gradient feature 但是，软阈值方法需要手工指定阈值α，为了克 testing),需要候选特征的梯度值作为重要性判断的 服手工指定参数对编码效果的影响。Coates等[)提 依据，因此要首先定义分类器及其目标函数。 出了一种三角编码算法(triangle)。该方法中，当数 2.1分类器 据x到视觉单词d,的距离大于数据x)到所有视 本文定义了一个多类线性分类器，使用BoF模 觉单词d的平均距离u(z)时，特征对应的值为0， 型特征对标签进行预测」 f=max{0,u(z)-2.} (4) y=Wx+b (6) 式中：=‖x)-d)‖，表示数据到视觉单词的欧 式中：x是输入图像的特征表达向量，W和b分别为 式距离，(z)是4的平均值。 权值矩阵和偏置，y为分类器的预测结果。式(7)定 每一个样本在进行编码后，会得到K个特征 义了分类器的目标函数，通过最优化算法求出目标 图。这里，K为词典中视觉单词的个数。 函数的最优解，来确定参数W和b 1.3池化 池化作为BoF模型中的一个关键步骤，它通过 N∑1(wx.+b)+AIwI 聚合运算（比如：计算最大值或均值）将一个矩形区 式中：x。和yn分别表示训练样本和对应的标签，N 域内的特征转换成为一个标量值，从而减少特征的 是用于训练的样本总数。‖WI是权值矩阵W 数量。除了降低特征表达的维数之外，池化能够为特 的F-范数的平方，用于限制权值矩阵中元素值的大 征表达带来一些非常有用的特性，比如平移不变性。 小，起到了降低结构复杂度和抑制过拟合的作用。 另外，为获得更加丰富的特征空间分布的统计 上式第一项中的(·)表示多类扩展二项负对数似 信息，规则网格结构、空间金字塔、超完备（如图2） 然函数(BNLL),用于衡量线性分类器对于训练数 等池化区域方案被相继提出，使BoF特征保留了更 据的适应程度，其具体定义为 多的局部统计信息。 (8) 口恒凹四旧四阿S l(Wx +b,y)=>In(1+e-W) i=l 式(8)中的ln(·)表示自然对数函数，P是指 U四何Ug 标签的类别总数，W表示矩阵W中的一列。 2.2感受野学习 ◇ 为了找到最为合适的感受野，将通过计算目标 回四 函数相对于每个特征对应的权值矩阵元素的梯度值 中E■69回阿■ 来判断特征的重要性。首先，初始化一个空集合S 来保存已选择的特征，所有没有被选择的特征组成 (a)超完备 (b)规则网格 一个候选集合S。在每次迭代中，针对候选集合S。 图2 Pooling区域 中每个特征计算一个分值，如式(9)所示。选择分 Fig.2 Pooling regions 通常，池化可以用如式(5)的形式进行表示 值最大的特征加入集合S,并将其从S.中移除。直 到集合S中特征的数量达到一个指定的值，迭代停 x:=op(Ag) (5) 止。此时集合S中特征所对应的感受野既是针对该 式中：x是池化后得到的特征，c和R,分别表示特 分类任务最为有效的感受野。 征图对应的视觉单词的下标，以及特征图上的池化 与a等人提出的感受野学习方法[8]不同，本 的区域，A%表示池化区域内的一组特征的集合， 方法在计算特征分值的基础上进一步对特征图进行 p(·)表示在A.之上进行的聚合。 了区分，将未被选人的特征图所包含特征的分值进 2改进的感受野学习算法 行衰减，使感受野学习的过程更加倾向于选取已被 选择的特征图上的特征，如式(9)》 本节的算法是在Ja等[]的基础上，增加对于 aL(W.b) 视觉词汇数量增长的限制，从而实现感受野学习和 score(0)=‖aw, Im·(1-nM(j)(9) 选择有效视觉单词的双重效果。算法中使用了Pr- 式中：L(W,b)是式(6)中所定义的目标函数，W表 kins等I4提出的grafting方法对特征的重要性进行 示矩阵W中的一行，？是针对未选中特征图中候选
ｆ ｉ ＝ ｍａｘｄ （ｊ）∈Ｄ｛０，ｄ （ｊ） Ｔ ｘ － α｝ （３） 但是，软阈值方法需要手工指定阈值 α，为了克 服手工指定参数对编码效果的影响。 Ｃｏａｔｅｓ 等［４］提 出了一种三角编码算法（ｔｒｉａｎｇｌｅ）。 该方法中，当数 据 ｘ （ｉ）到视觉单词ｄ （ｋ）的距离大于数据ｘ （ｉ） 到所有视 觉单词ｄ （ｋ）的平均距离 μ（ｚ）时，特征对应的值为 ０， ｆ ｋ ＝ ｍａｘ｛０，μ（ｚ） － ｚｋ｝ （４） 式中：ｚｋ ＝ ‖ｘ （ｉ） －ｄ （ｋ） ‖２ 表示数据到视觉单词的欧 式距离，μ（ｚ）是 ｚｋ 的平均值。 每一个样本在进行编码后，会得到 Ｋ 个特征 图。 这里，Ｋ 为词典中视觉单词的个数。 １．３ 池化 池化作为 ＢｏＦ 模型中的一个关键步骤，它通过 聚合运算（比如：计算最大值或均值）将一个矩形区 域内的特征转换成为一个标量值，从而减少特征的 数量。 除了降低特征表达的维数之外，池化能够为特 征表达带来一些非常有用的特性，比如平移不变性。 另外，为获得更加丰富的特征空间分布的统计 信息，规则网格结构、空间金字塔、超完备（如图 ２） 等池化区域方案被相继提出，使 ＢｏＦ 特征保留了更 多的局部统计信息。 （ａ）超完备 （ｂ）规则网格 图 ２ Ｐｏｏｌｉｎｇ 区域 Ｆｉｇ．２ Ｐｏｏｌｉｎｇ ｒｅｇｉｏｎｓ 通常，池化可以用如式（５）的形式进行表示［１３］ ｘ ｃ ｉ ＝ ｏｐ（Ａ ｃ Ｒｉ ） （５） 式中：ｘ ｃ ｉ 是池化后得到的特征，ｃ 和 Ｒｉ 分别表示特 征图对应的视觉单词的下标，以及特征图上的池化 的区域，Ａ ｃ Ｒｉ 表示池化区域内的一组特征的集合， ｏｐ（·）表示在 Ａ ｃ Ｒｉ之上进行的聚合。 ２ 改进的感受野学习算法 本节的算法是在 Ｊｉａ 等［８］ 的基础上，增加对于 视觉词汇数量增长的限制，从而实现感受野学习和 选择有效视觉单词的双重效果。 算法中使用了 Ｐｅｒ⁃ ｋｉｎｓ 等［１４］提出的 ｇｒａｆｔｉｎｇ 方法对特征的重要性进行 判断， ｇｒａｆｔｉｎｇ 全称梯度特征测试 （ ｇｒａｄｉｅｎｔ ｆｅａｔｕｒｅ ｔｅｓｔｉｎｇ），需要候选特征的梯度值作为重要性判断的 依据，因此要首先定义分类器及其目标函数。 ２．１ 分类器 本文定义了一个多类线性分类器，使用 ＢｏＦ 模 型特征对标签进行预测， ｙ ＝ Ｗ Ｔ ｘ ＋ ｂ （６） 式中：ｘ 是输入图像的特征表达向量，Ｗ 和 ｂ 分别为 权值矩阵和偏置，ｙ 为分类器的预测结果。 式（７）定 义了分类器的目标函数，通过最优化算法求出目标 函数的最优解，来确定参数 Ｗ 和 ｂ ｍｉｎＷ，ｂ １ Ｎ∑ Ｎ ｎ ＝ １ ｌ（Ｗ Ｔ ｘｎ ＋ ｂ，ｙｎ ） ＋ λ‖Ｗ‖２ Ｆｒｏ （７） 式中：ｘｎ 和ｙｎ 分别表示训练样本和对应的标签，Ｎ 是用于训练的样本总数。 ‖Ｗ‖２ Ｆｒｏ 是权值矩阵 Ｗ 的 Ｆ⁃范数的平方，用于限制权值矩阵中元素值的大 小，起到了降低结构复杂度和抑制过拟合的作用。 上式第一项中的 ｌ（·）表示多类扩展二项负对数似 然函数（ＢＮＬＬ），用于衡量线性分类器对于训练数 据的适应程度，其具体定义为 ｌ（Ｗ Ｔ ｘ ＋ ｂ，ｙ） ＝ ∑ Ｐ ｉ ＝ １ ｌｎ（１ ＋ ｅ －ｙｉ （ＷＴ ．，ｉ ＋ｂｉ ） ） （８） 式（８）中的 ｌｎ（·）表示自然对数函数，Ｐ 是指 标签的类别总数，Ｗ．，ｉ表示矩阵 Ｗ 中的一列。 ２．２ 感受野学习 为了找到最为合适的感受野，将通过计算目标 函数相对于每个特征对应的权值矩阵元素的梯度值 来判断特征的重要性。 首先，初始化一个空集合 Ｓ 来保存已选择的特征，所有没有被选择的特征组成 一个候选集合 Ｓｃ。 在每次迭代中，针对候选集合 Ｓｃ 中每个特征计算一个分值，如式（９） 所示。 选择分 值最大的特征加入集合 Ｓ，并将其从 Ｓｃ 中移除。 直 到集合 Ｓ 中特征的数量达到一个指定的值，迭代停 止。 此时集合 Ｓ 中特征所对应的感受野既是针对该 分类任务最为有效的感受野。 与 Ｊｉａ 等人提出的感受野学习方法［８］ 不同，本 方法在计算特征分值的基础上进一步对特征图进行 了区分，将未被选入的特征图所包含特征的分值进 行衰减，使感受野学习的过程更加倾向于选取已被 选择的特征图上的特征，如式（９） ｓｃｏｒｅ（ｊ） ＝ ‖ ∂Ｌ（Ｗ，ｂ） ∂ Ｗｊ，． ‖２ Ｆｒｏ·（１ － ηＭ（ｊ）） （９） 式中：Ｌ（Ｗ，ｂ）是式（６）中所定义的目标函数，Ｗｊ，．表 示矩阵 Ｗ 中的一行，η 是针对未选中特征图中候选 第 ５ 期 赵骞，等：基于感受野学习的特征词袋模型简化算法 ·６６５·
·666. 智能系统学报 第11卷 特征的衰减因子，其取值范围为[0,1)，M(G)用于 表1多种pooling策略的比较 表示当前第j个特征是否在选中的特征图之上，其 Table 1 Comparison between different pooling strategies 表示为 池化区域 特征数词典规模衰减因子精度/% (1,特征广在已选特征图 MG)=0,其他 (10) 2×2 800 200 65.73 式中：如果特征图上含有已选中特征，则认为该图被 4×4 3200 200 73.25 选取，其M(G)值为1。 SPM 4800 200 74.01 在每一次迭代后，新的特征被加入集合S。在 此特征集合之上，需要对分类器参数W和b进行重 OC[s] 20000 200 76.44 新计算。将上次迭代计算出的W和b作为重新计 0C+学习到 6400 200 76.72 算时的初始状态，以有效地减少计算参数所消耗的 OC+改进算法 4408 200(400)】 0.7 76.95 时间。 OC+改进算法 5370 200(800) 0.8 77.89 3实验与分析 在未使用学习策略的池化方案中，由于超完备 感受野能够较好地捕获特征图中的空间信息，因此 3.1实现过程 得到了较高的分类精度。在增加学习策略之后冗余 实验中主要使用了CIFAR-10数据库[]对文中 被消除，超完备感受野又获得了0.28%的提升。在 提出的算法进行训练和验证。CIFAR-I0是由加拿 此基础上使用本文方法，以一个较大的词典作为初 大多伦多大学教授Hinton等发布的一个用于图像 始词典，同时在学习过程中对词典规模的增长进行 识别算法评估的数据库，该数据库中包含了50000 了限制。例如在表1中，分别以400和800为初始 个训练样本和10000个测试样本，共分为10类。 词典大小，将衰减因子7设为0.7和0.8，在词典规 在使用样本训练和测试前，都要对样本数据进 模为200时，学习到了4408和5370个特征。尽管 行归一化和白化处理，这样能够提高BF模型特征 使用的特征数有所减少，但是分类结果却比原有算 的预测性能。 法提高了0.23%和1.27%。该结果说明了改进算法 从训练样本中随机提取5×5的图像块用于词 的有效性。 典学习，选择K-means作为词典学习的算法，以及 3.3参数7的影响 triangle作为编码算法。输入图像经编码后会形成 本节实验中，在CIFAR-10数据库上比较了3种 28×28的特征图，然后最大值池化会将每张特征图 衰减因子刀值下，学习算法所受到的影响（如图3）。 上7×7相邻但不重叠的空间区域聚合成为一个特 首先，使用K-means算法得到一个大小为1600的 征，因此每张特征图被降维到4×4的大小。超完备 词典。然后，以该词典生成的特征图为基础，分别将 的池化区域以及对照实验都将基于这些池化后的特 7值设为0,0.3和0.7，观察和比较在学习过程中， 征图。 精度和词典规模的增长。其中，当η值设为0时 在训练分类器时，式(7)中的参数入固定为0. (即不对词典的增长进行衰减)，则本方法与Ja等 01,用于超完备池化区域和感受野学习实验。对于 提出的学习方法[)等价。 其他预定义的池化区域（比如网格结构和空间金字 821 塔)，在实验中使用L2-SVM作为分类器，其参数通 过五折交叉验证的方式搜索确定。 3.2算法性能测试 表1将本文提出的改进的感受野学习算法，同 原有方法[8]以及几种常用的池化策略进行了比较。 4月=0 表中包括网格结构的池化区域(2×2,4×4)，空间金 —1=0.3 字塔(spatial pyramid matching,SPM),超完备感受 ---=0.7 7 3 4 5 6 2*10 野(over-complete,OC),基于超完备感受野的感受 感受野数量 野学习(0C+学习)，本文方法是在超完备感受野上 (a)样本数量对分类精度的影响 的实验结果(OC+改进算法)
特征的衰减因子，其取值范围为 ［０， １），Ｍ（ ｊ）用于 表示当前第 ｊ 个特征是否在选中的特征图之上，其 表示为 Ｍ（ｊ） ＝ １， 特征 ｊ 在已选特征图 {０， 其他 （１０） 式中：如果特征图上含有已选中特征，则认为该图被 选取，其 Ｍ（ｊ）值为 １。 在每一次迭代后，新的特征被加入集合 Ｓ。 在 此特征集合之上，需要对分类器参数 Ｗ 和 ｂ 进行重 新计算。 将上次迭代计算出的 Ｗ 和 ｂ 作为重新计 算时的初始状态，以有效地减少计算参数所消耗的 时间。 ３ 实验与分析 ３．１ 实现过程 实验中主要使用了 ＣＩＦＡＲ⁃１０ 数据库［１９］对文中 提出的算法进行训练和验证。 ＣＩＦＡＲ⁃１０ 是由加拿 大多伦多大学教授 Ｈｉｎｔｏｎ 等发布的一个用于图像 识别算法评估的数据库，该数据库中包含了５０ ０００ 个训练样本和 １０ ０００ 个测试样本，共分为 １０ 类。 在使用样本训练和测试前，都要对样本数据进 行归一化和白化处理，这样能够提高 ＢｏＦ 模型特征 的预测性能。 从训练样本中随机提取 ５×５ 的图像块用于词 典学习，选择 Ｋ⁃ｍｅａｎｓ 作为词典学习的算法，以及 ｔｒｉａｎｇｌｅ 作为编码算法。 输入图像经编码后会形成 ２８×２８ 的特征图，然后最大值池化会将每张特征图 上 ７×７ 相邻但不重叠的空间区域聚合成为一个特 征，因此每张特征图被降维到 ４×４ 的大小。 超完备 的池化区域以及对照实验都将基于这些池化后的特 征图。 在训练分类器时，式（７）中的参数 λ 固定为 ０． ０１，用于超完备池化区域和感受野学习实验。 对于 其他预定义的池化区域（比如网格结构和空间金字 塔），在实验中使用 Ｌ２⁃ＳＶＭ 作为分类器，其参数通 过五折交叉验证的方式搜索确定。 ３．２ 算法性能测试 表 １ 将本文提出的改进的感受野学习算法，同 原有方法［８］以及几种常用的池化策略进行了比较。 表中包括网格结构的池化区域（２×２，４×４），空间金 字塔（ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍａｔｃｈｉｎｇ， ＳＰＭ），超完备感受 野（ｏｖｅｒ⁃ｃｏｍｐｌｅｔｅ， ＯＣ），基于超完备感受野的感受 野学习（ＯＣ＋学习），本文方法是在超完备感受野上 的实验结果（ＯＣ＋改进算法）。 表 １ 多种 ｐｏｏｌｉｎｇ 策略的比较 Ｔａｂｌｅ １ Ｃｏｍｐａｒｉｓｏｎ ｂｅｔｗｅｅｎ ｄｉｆｆｅｒｅｎｔ ｐｏｏｌｉｎｇ ｓｔｒａｔｅｇｉｅｓ 池化区域 特征数 词典规模 衰减因子 精度／ ％ ２×２ ８００ ２００ － ６５．７３ ４×４ ３ ２００ ２００ － ７３．２５ ＳＰＭ ４ ８００ ２００ － ７４．０１ ＯＣ ［８］ ２０ ０００ ２００ － ７６．４４ ＯＣ＋学习［８］ ６ ４００ ２００ － ７６．７２ ＯＣ＋改进算法 ４ ４０８ ２００（４００） ０．７ ７６．９５ ＯＣ＋改进算法 ５ ３７０ ２００（８００） ０．８ ７７．８９ 在未使用学习策略的池化方案中，由于超完备 感受野能够较好地捕获特征图中的空间信息，因此 得到了较高的分类精度。 在增加学习策略之后冗余 被消除，超完备感受野又获得了 ０．２８％的提升。 在 此基础上使用本文方法，以一个较大的词典作为初 始词典，同时在学习过程中对词典规模的增长进行 了限制。 例如在表 １ 中，分别以 ４００ 和 ８００ 为初始 词典大小，将衰减因子 η 设为 ０．７ 和 ０．８，在词典规 模为 ２００ 时，学习到了 ４ ４０８ 和 ５ ３７０ 个特征。 尽管 使用的特征数有所减少，但是分类结果却比原有算 法提高了 ０．２３％和 １．２７％。 该结果说明了改进算法 的有效性。 ３．３ 参数 η 的影响 本节实验中，在 ＣＩＦＡＲ⁃１０ 数据库上比较了 ３ 种 衰减因子 η 值下，学习算法所受到的影响（如图 ３）。 首先，使用 Ｋ⁃ｍｅａｎｓ 算法得到一个大小为 １ ６００ 的 词典。 然后，以该词典生成的特征图为基础，分别将 η 值设为 ０、０．３ 和 ０．７，观察和比较在学习过程中， 精度和词典规模的增长。 其中，当 η 值设为 ０ 时 （即不对词典的增长进行衰减），则本方法与 Ｊｉａ 等 提出的学习方法［８］等价。 （ａ）样本数量对分类精度的影响 ·６６６· 智 能 系 统 学 报 第 １１ 卷
第5期 赵赛，等：基于感受野学习的特征词袋模型简化算法 ·667· 2oor 经网络(convolutional neural networks.,CNW)IIs),与 本文中提出的算法进行对比。 表3CFAR-100数据库的实验结果 1.5 …1=0 -1=0.3 4 Table 3 Results on CIFAR-100 1=0.7 1.0 词典规模 衰减因子 精度/% 1273(1600) 0 54.88 0.5 821(1600) 0.1 55.04 ×10 313(6400) 54.28 0 2 3 4 5 6 7 0.3 感受野数量 95 (b)样本数量对词典规模的影响 -8-CNN 图3不同，值对应的分类精度及词典规模增长曲线 90 --算法1 Fig.3 The curve of classification accuracy and code 甲 6一算法2 book scale with different n 80 0 在图3(a)是分类精度跟随感受野数量（即感受 野对应的特征数)增长的曲线，图3(b)是视觉单词 ò 量随感受野数量增长的曲线。可以看出，在这3种 65 ×10 50 20 10 5 0 )值情况下，精度的增长受到的影响不大，而视觉单 训练样本数 词数量却受到了明显抑制，说明算法能够对于分类 (a)样本数量对分类精度的影响 贡献较低的视觉单词进行识别。 ×103 在表2中，池化区域为0C,比较了图3中的实 2.0 验在学习6400个感受野时的状态。从表中可以看 1.8 --算法1 一算法2 出，随着？值的增加，所需的视觉单词的数量不断 1.6 下降。而且对于特征图数量增长一定程度上的限 1.4 制，对分类结果也会有一些提高。现象也说明了基 12 G. 1.0 于梯度的贪婪算法并不能确保针对分类任务获得一 0.8 个最优的特征集合。 ×10 10 0 表2CFAR-10数据库的实验结果 训练样本数 Table 2 Results on CIFAR-10 (b)样本数量对词典规模的影响 词典规模 衰减因子 精度/% 图4训练样本数量对分类精度和词典规模的影响 1477(1600) 0 79.80 Fig.4 Effects of training sample size on classification 963(1600) 0.3 80.13 accuracy and codebook scale 357(1600) 0.7 79.39 作为参照对象的CNN使用了Lin等人提出的 使用CIFAR-IO0数据库重复上述实验。这里， Network in Network模型16]。该模型曾在CIFAR-l0 由于数据库有100类对象，更大的权值矩阵W使得 数据库上获得了准确率89.21%的最好成绩。在实 算法对η值变得更敏感，因此实验中选择的η值为 验中，逐渐的减少训练样本的数量，使用了完整的 00.1和0.3。在表3中，可以看到与CIFAR-10上类 50000个样本，以及随机抽取的20000、10000和 似的实验结果。 5000个样本分别进行试验。在本文算法的实现过 3.4样本数量的影响 程中，一组实验采用相同的初始词典大小，对于不同 为了研究训练样本数量对本文所描述的算法的 大小的训练集均取1600个视觉单词，称为算法1。 影响程度，随机从CIFAR-10数据库中选择出多个 另一组随着样本数量的减少逐步扩大初始词典的规 样本子集作为训练数据，使用这些子集学习词典和 模，分别使用1600,3200,4800和6400个视觉单 感受野。除此之外，使用同样样本子集训练卷积神 词，称为算法2。实验中的n被固定为0.3
（ｂ）样本数量对词典规模的影响 图 ３ 不同 η 值对应的分类精度及词典规模增长曲线 Ｆｉｇ．３ Ｔｈｅ ｃｕｒｖｅ ｏｆ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｃｏｄｅ⁃ ｂｏｏｋ ｓｃａｌｅ ｗｉｔｈ ｄｉｆｆｅｒｅｎｔ η 在图 ３（ａ）是分类精度跟随感受野数量（即感受 野对应的特征数）增长的曲线，图 ３（ｂ）是视觉单词 量随感受野数量增长的曲线。 可以看出，在这 ３ 种 η 值情况下，精度的增长受到的影响不大，而视觉单 词数量却受到了明显抑制，说明算法能够对于分类 贡献较低的视觉单词进行识别。 在表 ２ 中，池化区域为 ＯＣ，比较了图 ３ 中的实 验在学习 ６ ４００ 个感受野时的状态。 从表中可以看 出，随着 η 值的增加，所需的视觉单词的数量不断 下降。 而且对于特征图数量增长一定程度上的限 制，对分类结果也会有一些提高。 现象也说明了基 于梯度的贪婪算法并不能确保针对分类任务获得一 个最优的特征集合。 表 ２ ＣＩＦＡＲ⁃１０ 数据库的实验结果 Ｔａｂｌｅ ２ Ｒｅｓｕｌｔｓ ｏｎ ＣＩＦＡＲ⁃１０ 词典规模 衰减因子 精度／ ％ １ ４７７（１ ６００） ０ ７９．８０ ９６３（１ ６００） ０．３ ８０．１３ ３５７（１ ６００） ０．７ ７９．３９ 使用 ＣＩＦＡＲ⁃１００ 数据库重复上述实验。 这里， 由于数据库有 １００ 类对象，更大的权值矩阵 Ｗ 使得 算法对 η 值变得更敏感，因此实验中选择的 η 值为 ０、０．１ 和 ０．３。 在表 ３ 中，可以看到与 ＣＩＦＡＲ⁃１０ 上类 似的实验结果。 ３．４ 样本数量的影响 为了研究训练样本数量对本文所描述的算法的 影响程度，随机从 ＣＩＦＡＲ⁃１０ 数据库中选择出多个 样本子集作为训练数据，使用这些子集学习词典和 感受野。 除此之外，使用同样样本子集训练卷积神 经网络（ ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋｓ， ＣＮＮ） ［１５］ ，与 本文中提出的算法进行对比。 表 ３ ＣＩＦＡＲ⁃１００ 数据库的实验结果 Ｔａｂｌｅ ３ Ｒｅｓｕｌｔｓ ｏｎ ＣＩＦＡＲ⁃１００ 词典规模 衰减因子 精度／ ％ １ ２７３（１ ６００） ０ ５４．８８ ８２１（１ ６００） ０．１ ５５．０４ ３１３（６ ４００） ０．３ ５４．２８ （ａ）样本数量对分类精度的影响 （ｂ）样本数量对词典规模的影响 图 ４ 训练样本数量对分类精度和词典规模的影响 Ｆｉｇ．４ Ｅｆｆｅｃｔｓ ｏｆ ｔｒａｉｎｉｎｇ ｓａｍｐｌｅ ｓｉｚｅ ｏｎ ｃｌａｓｓｉｆｉｃａｔｉｏｎ ａｃｃｕｒａｃｙ ａｎｄ ｃｏｄｅｂｏｏｋ ｓｃａｌｅ 作为参照对象的 ＣＮＮ 使用了 Ｌｉｎ 等人提出的 Ｎｅｔｗｏｒｋ ｉｎ Ｎｅｔｗｏｒｋ 模型［１６］ 。 该模型曾在 ＣＩＦＡＲ⁃１０ 数据库上获得了准确率 ８９．２１％的最好成绩。 在实 验中，逐渐的减少训练样本的数量，使用了完整的 ５０ ０００ 个样本，以及随机抽取的 ２０ ０００、１０ ０００ 和 ５ ０００个样本分别进行试验。 在本文算法的实现过 程中，一组实验采用相同的初始词典大小，对于不同 大小的训练集均取 １ ６００ 个视觉单词，称为算法 １。 另一组随着样本数量的减少逐步扩大初始词典的规 模，分别使用 １ ６００，３ ２００，４ ８００ 和 ６ ４００ 个视觉单 词，称为算法 ２。 实验中的 η 被固定为 ０．３。 第 ５ 期 赵骞，等：基于感受野学习的特征词袋模型简化算法 ·６６７·
·668. 智能系统学报 第11卷 在图4(a)中，可以发现在训练集规模较大的情 况下，CNN模型具有更高的分类精度。伴随着训练 参考文献： 样本数量的减少CNN模型的性能逐渐下降。当训 [1]HUANG Yongzhen,WU Zifeng,WANG Liang,et al.Fea- 练样本数量为10000时，CNN模型同本文中的BoF ture coding in image classification:a comprehensive study 模型性能相当。另外，算法2由于逐步提高了初始 [J].IEEE transactions on pattern analysis and machine in- 词典的大小，对于分类性能的损失产生了一定的补 telligence,2013,36(3):493-506】 [2]YANG Jianchao,YU Kai,GONG Yihong,et al.Linear 偿作用，因此略好于使用固定初始词典大小的算法 spatial pyramid matching using sparse coding for image 1的结果。 classification[C]//Proceedings of the IEEE Conference on 在图4(b)中，学习后的词典规模稳定在一定范 Computer Vision and Pattern Recognition.Miami,FL, 围内。尽管算法2的初始词典大小在不断增加，但 2009:1794-1801. 是实际使用的词典并没有随着初始词典而膨胀。因 [3]YU Kai,ZHANG Tong,GONG Yihong.Nonlinear learning 此，在计算能力允许的情况下，可以使用较大的初始 using local coordinate coding[C]//Advances in Neural In- 字典，本文提出的方法可以学习到一个大小合适的 formation Processing Systems 22:23rd Annual Conference 模型。 on Neural Information Processing Systems.Vancouver, British Columbia,Canada,2009:2223-2231. 通过以上分析，认为针对小样本集的目标识别 [4]COATES A,NG A,LEE H.An analysis of single-layer net- 问题，BoF模型依然是一种十分有效的工具。 works in unsupervised feature learning[J].Journal of ma- 3.5分析讨论 chine learning research,2011,15:215-223. 实验验证了方法的有效性，可将感受野学习和 [5]GREGOR K,LECUN Y.Learning fast approximations of 选择有效视觉单词相结合，用于对BF模型的精 sparse coding[C]//Proceedings of the 27th International 简。尽管对于词典进行了大量的删减，但是对于精 Conference on Machine Learning.Haifa,Israel,2010. 度仅产生了较小影响，从侧面说明了模型中包含了 [6]LAZEBNIK S,SCHMID C,Ponce J.Beyond bags of fea- 很多与分类无关的冗余参数。 tures:spatial pyramid matching for recognizing natural scene categories[C]//Proceedings of the IEEE Computer 然而，本文提出的方法仍有几点不足需要进一 Society Conference on Computer Vision and Pattern Recog- 步改进。首先，通常对于参数)的调节缺少指导性 nition.New York,NY,USA,2006,2:2169-2178. 的原则，只能通过尝试多个η值来估计合适的取 [7]COATES A,NG A Y.Selecting receptive fields in deep net- 值。其次，如何指定一个合适的特征数，同样缺乏指 works[C]//Advances in Neural Information Processing Sys- 导原则。一般来说，可以指定一个较大的特征数，观 tems 24:25th Annual Conference on Neural Information 测算法在验证集上的效果，从而做出判断。 Processing Systems.Granada,Spain,2011:2528-2536. []JIA Yangqing,HUANG Chang,DARRELL T.Beyond spa- 4结束语 tial pyramids:receptive field learning for pooled image fea- tures [C]//Proceedings of the 2012 IEEE Conference on 本文通过对现有的感受野学习方法的分析和研 Computer Vision and Pattern Recognition.Providence,RI, 究的基础上，提出了一种改进型的感受野学习算法。 2012:3370-3377 相比于原有算法，本文提出的方法除了考虑生成特 [9]SIVIC J,ZISSERMAN A.Video google:a text retrieval ap- 征的空间区域和词典对于分类的影响之外，还将去 proach to object matching in videos[C]//Proceedings of the 除词典中低效的视觉单词纳入学习过程。使用此方 Ninth IEEE International Conference on Computer Vision. 法，从词典大小和池化区域两方面对BF模型的规 Nice,France,2003:1470-1477. 模进行了精简。实验结果表明，本文提出的方法能 [10]COATES A,NG A Y.The importance of encoding versus 够利用更少的词典规模形成更有效的特征表达，即 training with sparse coding and vector quantization[C]/ Proceedings of the 28th International Conference on Ma- 使在使用相同初始词典的情况下，也可以较少冗余 chine Learning.Bellevue,WA,USA,2011. 成分对于分类任务的千扰，提高BoF模型生成的特 [11]JAIN A K.Data clustering:50 years beyond K-means[J]. 征表达的表达能力，从而提高分类精度。特别是在 Pattern recognition letters,2010,31(8):651-666. 训练样本较小的情况下，具有一定的应用价值。 [12]汪启伟.图像直方图特征及其应用研究[D].合肥：中
在图 ４（ａ）中，可以发现在训练集规模较大的情 况下，ＣＮＮ 模型具有更高的分类精度。 伴随着训练 样本数量的减少 ＣＮＮ 模型的性能逐渐下降。 当训 练样本数量为 １０ ０００ 时，ＣＮＮ 模型同本文中的 ＢｏＦ 模型性能相当。 另外，算法 ２ 由于逐步提高了初始 词典的大小，对于分类性能的损失产生了一定的补 偿作用，因此略好于使用固定初始词典大小的算法 １ 的结果。 在图 ４（ｂ）中，学习后的词典规模稳定在一定范 围内。 尽管算法 ２ 的初始词典大小在不断增加，但 是实际使用的词典并没有随着初始词典而膨胀。 因 此，在计算能力允许的情况下，可以使用较大的初始 字典，本文提出的方法可以学习到一个大小合适的 模型。 通过以上分析，认为针对小样本集的目标识别 问题，ＢｏＦ 模型依然是一种十分有效的工具。 ３．５ 分析讨论 实验验证了方法的有效性，可将感受野学习和 选择有效视觉单词相结合，用于对 ＢｏＦ 模型的精 简。 尽管对于词典进行了大量的删减，但是对于精 度仅产生了较小影响，从侧面说明了模型中包含了 很多与分类无关的冗余参数。 然而，本文提出的方法仍有几点不足需要进一 步改进。 首先，通常对于参数 η 的调节缺少指导性 的原则，只能通过尝试多个 η 值来估计合适的取 值。 其次，如何指定一个合适的特征数，同样缺乏指 导原则。 一般来说，可以指定一个较大的特征数，观 测算法在验证集上的效果，从而做出判断。 ４ 结束语 本文通过对现有的感受野学习方法的分析和研 究的基础上，提出了一种改进型的感受野学习算法。 相比于原有算法，本文提出的方法除了考虑生成特 征的空间区域和词典对于分类的影响之外，还将去 除词典中低效的视觉单词纳入学习过程。 使用此方 法，从词典大小和池化区域两方面对 ＢｏＦ 模型的规 模进行了精简。 实验结果表明，本文提出的方法能 够利用更少的词典规模形成更有效的特征表达，即 使在使用相同初始词典的情况下，也可以较少冗余 成分对于分类任务的干扰，提高 ＢｏＦ 模型生成的特 征表达的表达能力，从而提高分类精度。 特别是在 训练样本较小的情况下，具有一定的应用价值。 参考文献： ［１］ＨＵＡＮＧ Ｙｏｎｇｚｈｅｎ， ＷＵ Ｚｉｆｅｎｇ， ＷＡＮＧ Ｌｉａｎｇ， ｅｔ ａｌ． Ｆｅａ⁃ ｔｕｒｅ ｃｏｄｉｎｇ ｉｎ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ： ａ ｃｏｍｐｒｅｈｅｎｓｉｖｅ ｓｔｕｄｙ ［Ｊ］． ＩＥＥＥ ｔｒａｎｓａｃｔｉｏｎｓ ｏｎ ｐａｔｔｅｒｎ ａｎａｌｙｓｉｓ ａｎｄ ｍａｃｈｉｎｅ ｉｎ⁃ ｔｅｌｌｉｇｅｎｃｅ， ２０１３， ３６（３）： ４９３⁃５０６． ［２］ ＹＡＮＧ Ｊｉａｎｃｈａｏ， ＹＵ Ｋａｉ， ＧＯＮＧ Ｙｉｈｏｎｇ， ｅｔ ａｌ． Ｌｉｎｅａｒ ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍａｔｃｈｉｎｇ ｕｓｉｎｇ ｓｐａｒｓｅ ｃｏｄｉｎｇ ｆｏｒ ｉｍａｇｅ ｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｍｉａｍｉ， ＦＬ， ２００９： １７９４⁃１８０１． ［３］ＹＵ Ｋａｉ， ＺＨＡＮＧ Ｔｏｎｇ， ＧＯＮＧ Ｙｉｈｏｎｇ． Ｎｏｎｌｉｎｅａｒ ｌｅａｒｎｉｎｇ ｕｓｉｎｇ ｌｏｃａｌ ｃｏｏｒｄｉｎａｔｅ ｃｏｄｉｎｇ［Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎ⁃ ｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ ２２： ２３ｒｄ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ． Ｖａｎｃｏｕｖｅｒ， Ｂｒｉｔｉｓｈ Ｃｏｌｕｍｂｉａ， Ｃａｎａｄａ， ２００９： ２２２３⁃２２３１． ［４］ＣＯＡＴＥＳ Ａ， ＮＧ Ａ， ＬＥＥ Ｈ． Ａｎ ａｎａｌｙｓｉｓ ｏｆ ｓｉｎｇｌｅ⁃ｌａｙｅｒ ｎｅｔ⁃ ｗｏｒｋｓ ｉｎ ｕｎｓｕｐｅｒｖｉｓｅｄ ｆｅａｔｕｒｅ ｌｅａｒｎｉｎｇ［ Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｍａ⁃ ｃｈｉｎｅ ｌｅａｒｎｉｎｇ ｒｅｓｅａｒｃｈ， ２０１１， １５： ２１５⁃２２３． ［５］ ＧＲＥＧＯＲ Ｋ， ＬＥＣＵＮ Ｙ． Ｌｅａｒｎｉｎｇ ｆａｓｔ ａｐｐｒｏｘｉｍａｔｉｏｎｓ ｏｆ ｓｐａｒｓｅ ｃｏｄｉｎｇ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２７ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａｃｈｉｎｅ Ｌｅａｒｎｉｎｇ． Ｈａｉｆａ， Ｉｓｒａｅｌ， ２０１０． ［６］ ＬＡＺＥＢＮＩＫ Ｓ， ＳＣＨＭＩＤ Ｃ， Ｐｏｎｃｅ Ｊ． Ｂｅｙｏｎｄ ｂａｇｓ ｏｆ ｆｅａ⁃ ｔｕｒｅｓ： ｓｐａｔｉａｌ ｐｙｒａｍｉｄ ｍａｔｃｈｉｎｇ ｆｏｒ ｒｅｃｏｇｎｉｚｉｎｇ ｎａｔｕｒａｌ ｓｃｅｎｅ ｃａｔｅｇｏｒｉｅｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ＩＥＥＥ Ｃｏｍｐｕｔｅｒ Ｓｏｃｉｅｔｙ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇ⁃ ｎｉｔｉｏｎ． Ｎｅｗ Ｙｏｒｋ， ＮＹ， ＵＳＡ， ２００６， ２： ２１６９⁃２１７８． ［７］ＣＯＡＴＥＳ Ａ， ＮＧ Ａ Ｙ． Ｓｅｌｅｃｔｉｎｇ ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄｓ ｉｎ ｄｅｅｐ ｎｅｔ⁃ ｗｏｒｋｓ［Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓ⁃ ｔｅｍｓ ２４： ２５ｔｈ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ． Ｇｒａｎａｄａ， Ｓｐａｉｎ， ２０１１： ２５２８⁃２５３６． ［８］ＪＩＡ Ｙａｎｇｑｉｎｇ， ＨＵＡＮＧ Ｃｈａｎｇ， ＤＡＲＲＥＬＬ Ｔ． Ｂｅｙｏｎｄ ｓｐａ⁃ ｔｉａｌ ｐｙｒａｍｉｄｓ： ｒｅｃｅｐｔｉｖｅ ｆｉｅｌｄ ｌｅａｒｎｉｎｇ ｆｏｒ ｐｏｏｌｅｄ ｉｍａｇｅ ｆｅａ⁃ ｔｕｒｅｓ ［ Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１２ ＩＥＥＥ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ ａｎｄ Ｐａｔｔｅｒｎ Ｒｅｃｏｇｎｉｔｉｏｎ． Ｐｒｏｖｉｄｅｎｃｅ， ＲＩ， ２０１２： ３３７０⁃３３７７． ［９］ＳＩＶＩＣ Ｊ， ＺＩＳＳＥＲＭＡＮ Ａ． Ｖｉｄｅｏ ｇｏｏｇｌｅ： ａ ｔｅｘｔ ｒｅｔｒｉｅｖａｌ ａｐ⁃ ｐｒｏａｃｈ ｔｏ ｏｂｊｅｃｔ ｍａｔｃｈｉｎｇ ｉｎ ｖｉｄｅｏｓ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ Ｎｉｎｔｈ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｎｉｃｅ， Ｆｒａｎｃｅ， ２００３： １４７０⁃１４７７． ［１０］ＣＯＡＴＥＳ Ａ， ＮＧ Ａ Ｙ． Ｔｈｅ ｉｍｐｏｒｔａｎｃｅ ｏｆ ｅｎｃｏｄｉｎｇ ｖｅｒｓｕｓ ｔｒａｉｎｉｎｇ ｗｉｔｈ ｓｐａｒｓｅ ｃｏｄｉｎｇ ａｎｄ ｖｅｃｔｏｒ ｑｕａｎｔｉｚａｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２８ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｍａ⁃ ｃｈｉｎｅ Ｌｅａｒｎｉｎｇ． Ｂｅｌｌｅｖｕｅ， ＷＡ， ＵＳＡ， ２０１１． ［１１］ＪＡＩＮ Ａ Ｋ． Ｄａｔａ ｃｌｕｓｔｅｒｉｎｇ： ５０ ｙｅａｒｓ ｂｅｙｏｎｄ Ｋ⁃ｍｅａｎｓ［Ｊ］． Ｐａｔｔｅｒｎ ｒｅｃｏｇｎｉｔｉｏｎ ｌｅｔｔｅｒｓ， ２０１０， ３１（８）： ６５１⁃６６６． ［１２］汪启伟． 图像直方图特征及其应用研究［Ｄ］． 合肥： 中 ·６６８· 智 能 系 统 学 报 第 １１ 卷
第5期 赵骞，等：基于感受野学习的特征词袋模型简化算法 ·669· 国科学技术大学，2014。 作者简介： WANG Qiwei.Study on image histogram feature and appli- 赵骞，男，1986年生，博士研究生， cation[D].Hefei,China:University of Science and Tech- 主要研究方向为计算机视觉、神经网 nology of China,2014. 络。参与“863”项目1项，国家自然科 [13]BOUREAU Y L,ROUX N L,BACH F,et al.Ask the lo- 学基金项目1项。 cals:multi-way local pooling for image recognition[C]// Proceedings of the 2011 International Conference on Com- puter Vision.Barcelona,Spain,2011:2651-2658 [14]PERKINS S,LACKER K,THEILER J.Grafting:fast,in- 李敏，男，1981年生，讲师，博士，主 cremental feature selection by gradient descent in function 要研究方向为仿生机器人、外骨骼机器 space[J].Journal of machine leaming research,2003,3: 人。参与“863”项目2项。曾获得教 1333-1356 育部技术发明奖一等奖1项，授权国家 [15]LECUN Y,BOSER B E,DENKER J S,et al.Handwritten 发明专利5项，发表学术论文7篇。 digit recognition with a back-propagation network [C] Advances in Neural Information Processing Systems 2:3rd Annual Conference on Neural Information Processing Sys- 赵晓杰，男，1972年生，博士研究 tems.Vancouver,British Columbia,Canada.San Francis- 生，主要研究方向为航迹规划、传感器 c0,CA,LUSA,1989:396-404. 网络，参与“973”项目1项。 [16]KRIZHEVSKY A.Learning multiple layers of features from tiny images[D].Toronto,Canada:University of Toronto, 2009. 2017第2届IEEE大数据分析国际会议 2017 the 2nd IEEE International Conference on Big Data Analysis (ICBDA 2017) 我国已全面迈人4G时代，大数据、云计算等产业关键技术演进和应用创新加速发展，产业支持政策规 划纷纷出台，数据开放共享机制不断推进，产业发展基础环境初步具备，产业生态体系逐步完善建立，大数据 产业将进入理性发展、落地应用阶段，并有望在通信、互联网、金融、医疗等重点行业率先取得突破，将成为全 球最重要的大数据市场。大数据带来了全新的变革与机遇，但我国大数据产业还处于发展初期，总体战略规 划仍有待部署，行业标准化和规模化应用还未实现，核心技术和数据资源开放有待突破，行业协作和商业模 式瓶颈尚待解决，数据安全与隐私保护形势严峻等诸多挑战。 为了迎接大数据时代的到来，更好地交流大数据的实践经验，进一步推进大数据技术创新与应用，展示 国内外大数据领域的最新科研成果。2017年第二届大数据分析国际会议将于2017年3月10日-12日在中 国北京召开。本届ICBDA20I7由IEEE和西交利物浦大学大数据分析研究所联合主办，University of Texas at Dallas,USA协办，由西交利物浦大学的关圣威教授，和University of Texas at Dallas张康教授担任联合大 会主席。会议旨在促进大数据分析等领域的学术交流与合作，热忱欢迎从事相关技术研究的专家、学者和专 业技术人员踊跃投稿并参加大会。 会议网站：htp:/www.icbda.org/index..html
国科学技术大学， ２０１４． ＷＡＮＧ Ｑｉｗｅｉ． Ｓｔｕｄｙ ｏｎ ｉｍａｇｅ ｈｉｓｔｏｇｒａｍ ｆｅａｔｕｒｅ ａｎｄ ａｐｐｌｉ⁃ ｃａｔｉｏｎ［Ｄ］． Ｈｅｆｅｉ， Ｃｈｉｎａ： Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｓｃｉｅｎｃｅ ａｎｄ Ｔｅｃｈ⁃ ｎｏｌｏｇｙ ｏｆ Ｃｈｉｎａ， ２０１４． ［１３］ＢＯＵＲＥＡＵ Ｙ Ｌ， ＲＯＵＸ Ｎ Ｌ， ＢＡＣＨ Ｆ， ｅｔ ａｌ． Ａｓｋ ｔｈｅ ｌｏ⁃ ｃａｌｓ： ｍｕｌｔｉ⁃ｗａｙ ｌｏｃａｌ ｐｏｏｌｉｎｇ ｆｏｒ ｉｍａｇｅ ｒｅｃｏｇｎｉｔｉｏｎ［Ｃ］ ／ ／ Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ ２０１１ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｃｏｍ⁃ ｐｕｔｅｒ Ｖｉｓｉｏｎ． Ｂａｒｃｅｌｏｎａ， Ｓｐａｉｎ， ２０１１： ２６５１⁃２６５８． ［１４］ＰＥＲＫＩＮＳ Ｓ， ＬＡＣＫＥＲ Ｋ， ＴＨＥＩＬＥＲ Ｊ． Ｇｒａｆｔｉｎｇ： ｆａｓｔ， ｉｎ⁃ ｃｒｅｍｅｎｔａｌ ｆｅａｔｕｒｅ ｓｅｌｅｃｔｉｏｎ ｂｙ ｇｒａｄｉｅｎｔ ｄｅｓｃｅｎｔ ｉｎ ｆｕｎｃｔｉｏｎ ｓｐａｃｅ［Ｊ］． Ｊｏｕｒｎａｌ ｏｆ ｍａｃｈｉｎｅ ｌｅａｒｎｉｎｇ ｒｅｓｅａｒｃｈ， ２００３， ３： １３３３⁃１３５６． ［１５］ＬＥＣＵＮ Ｙ， ＢＯＳＥＲ Ｂ Ｅ， ＤＥＮＫＥＲ Ｊ Ｓ， ｅｔ ａｌ． Ｈａｎｄｗｒｉｔｔｅｎ ｄｉｇｉｔ ｒｅｃｏｇｎｉｔｉｏｎ ｗｉｔｈ ａ ｂａｃｋ⁃ｐｒｏｐａｇａｔｉｏｎ ｎｅｔｗｏｒｋ ［ Ｃ］ ／ ／ Ａｄｖａｎｃｅｓ ｉｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓｔｅｍｓ ２： ３ｒｄ Ａｎｎｕａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｎｅｕｒａｌ Ｉｎｆｏｒｍａｔｉｏｎ Ｐｒｏｃｅｓｓｉｎｇ Ｓｙｓ⁃ ｔｅｍｓ． Ｖａｎｃｏｕｖｅｒ， Ｂｒｉｔｉｓｈ Ｃｏｌｕｍｂｉａ， Ｃａｎａｄａ． Ｓａｎ Ｆｒａｎｃｉｓ⁃ ｃｏ， ＣＡ， ＵＳＡ， １９８９： ３９６⁃４０４． ［１６］ＫＲＩＺＨＥＶＳＫＹ Ａ． Ｌｅａｒｎｉｎｇ ｍｕｌｔｉｐｌｅ ｌａｙｅｒｓ ｏｆ ｆｅａｔｕｒｅｓ ｆｒｏｍ ｔｉｎｙ ｉｍａｇｅｓ［Ｄ］． Ｔｏｒｏｎｔｏ， Ｃａｎａｄａ： Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｏｒｏｎｔｏ， ２００９． 作者简介： 赵骞，男，１９８６ 年生，博士研究生， 主要研究方向为计算机视觉、神经网 络。 参与“８６３” 项目 １ 项，国家自然科 学基金项目 １ 项。 李敏，男，１９８１ 年生，讲师，博士，主 要研究方向为仿生机器人、外骨骼机器 人。 参与 “ ８６３” 项目 ２ 项。 曾获得教 育部技术发明奖一等奖 １ 项，授权国家 发明专利 ５ 项，发表学术论文 ７ 篇。 赵晓杰，男，１９７２ 年生，博士研究 生，主要研究方向为航迹规划、传感器 网络，参与“９７３”项目 １ 项。 ２０１７ 第 ２ 届 ＩＥＥＥ 大数据分析国际会议 ２０１７ ｔｈｅ ２ｎｄ ＩＥＥＥ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｂｉｇ Ｄａｔａ Ａｎａｌｙｓｉｓ （ ＩＣＢＤＡ ２０１７） 我国已全面迈入 ４Ｇ 时代，大数据、云计算等产业关键技术演进和应用创新加速发展，产业支持政策规 划纷纷出台，数据开放共享机制不断推进，产业发展基础环境初步具备，产业生态体系逐步完善建立，大数据 产业将进入理性发展、落地应用阶段，并有望在通信、互联网、金融、医疗等重点行业率先取得突破，将成为全 球最重要的大数据市场。 大数据带来了全新的变革与机遇，但我国大数据产业还处于发展初期，总体战略规 划仍有待部署，行业标准化和规模化应用还未实现，核心技术和数据资源开放有待突破，行业协作和商业模 式瓶颈尚待解决，数据安全与隐私保护形势严峻等诸多挑战。 为了迎接大数据时代的到来，更好地交流大数据的实践经验，进一步推进大数据技术创新与应用，展示 国内外大数据领域的最新科研成果。 ２０１７ 年第二届大数据分析国际会议将于 ２０１７ 年 ３ 月 １０ 日－１２ 日在中 国北京召开。 本届 ＩＣＢＤＡ ２０１７ 由 ＩＥＥＥ 和西交利物浦大学大数据分析研究所联合主办，Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｘａｓ ａｔ Ｄａｌｌａｓ， ＵＳＡ 协办，由西交利物浦大学的关圣威教授，和 Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｔｅｘａｓ ａｔ Ｄａｌｌａｓ 张康教授担任联合大 会主席。 会议旨在促进大数据分析等领域的学术交流与合作，热忱欢迎从事相关技术研究的专家、学者和专 业技术人员踊跃投稿并参加大会。 会议网站：ｈｔｔｐ： ／ ／ ｗｗｗ．ｉｃｂｄａ．ｏｒｇ ／ ｉｎｄｅｘ．ｈｔｍｌ 第 ５ 期 赵骞，等：基于感受野学习的特征词袋模型简化算法 ·６６９·
