TY -的A2 Voulodimos Athanasios盟——冯Jiangfan盟——刘渊源盟——吴,林PY - 2017 DA - 2017/06/19 TI -视觉词袋模型与深度空间特性的地理场景分类SP - 5169675六世- 2017 AB -流行使用的地理标记图像,越来越多的研究工作一直放在地理场景分类。在地理场景分类,有效空间特征选择可以显著提高最终的表现。袋的视觉单词(BoVW)可以在地理场景选择功能分类;然而,它是有效的只有器提供的功能是相配的。在本文中,我们使用卷积神经网络(cnn)提出优化特征提取器,以便它可以学习更适合视觉词汇的地理标记图像。我们的方法达到更好的性能比BoVW作为地理场景的工具分类,分别在三个数据集包含各种各样的场景类别。SN - 1687 - 5265 UR - https://doi.org/10.1155/2017/5169675 - 10.1155 / 2017/5169675摩根富林明计算智力和神经科学PB - Hindawi KW - ER