Resumen

La bolsa de palabras visuales ha demostrado ser una potente representación de imágenes y ha alcanzado un gran éxito en muchas aplicaciones de visión por ordenador y reconocimiento de patrones. Normalmente, para un conjunto de datos determinado, los investigadores optan por construir un vocabulario visual específico a partir del conjunto de datos, y rara vez se aborda el problema de derivar un vocabulario visual universal. Basándonos en trabajos anteriores sobre el rendimiento de la clasificación con respecto al tamaño del vocabulario visual, llegamos a la hipótesis de que se puede obtener un vocabulario visual universal teniendo en cuenta el grado de similitud de los puntos clave representados por una palabra visual. A continuación, proponemos utilizar un método de agrupación basado en el umbral de similitud para calcular el tamaño óptimo del vocabulario, donde el umbral de similitud universal puede obtenerse empíricamente. Con el tamaño de vocabulario óptimo, se demuestra que los vocabularios visuales óptimos de tamaños limitados de tres conjuntos de datos son intercambiables y, por tanto, universales. Este resultado indica que se puede construir un vocabulario visual universal y compacto a partir de un conjunto de datos no demasiado pequeño. Nuestro trabajo acorta la distancia entre la bolsa de palabras visuales y la bolsa de palabras, donde un vocabulario relativamente fijo puede utilizarse con diferentes conjuntos de datos de texto.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:tamaño óptimo del vocabulario, vocabulario visual universal, palabras, vocabulario visual compacto, diferentes conjuntos de datos de texto, muchos visión por ordenador, vocabularios visuales óptimos, aplicaciones de reconocimiento de patrones, potente representación de imágenes, vocabulario visual específico
• Keywords:optimal vocabulary size, universal visual vocabulary, words, compact visual vocabulary, different text datasets, many computer vision, optimal visual vocabularies, pattern recognition applications, powerful image representation, specific visual vocabulary