Bài viết Phân loại hình ảnh sử dụng ràng buộc cục bộ đại diện hạng thấp đề xuất một phương pháp phân loại hình ảnh sử dụng đại diện hạng thấp (LRRC). Bằng cách bổ sung ràng buộc cục bộ vào hàm mục tiêu và huấn luyện một từ điển nhằm loại bỏ vấn để ảnh hưởng của nhiễu, một đại diện hạng thấp cho dữ liệu hình ảnh huấn luyện tương ứng với một từ điển đã đạt được. | 2022 Journal of Science Tien Giang University Phân loại hình ảnh sử dụng ràng buộc cục bộ đại diện hạng thấp Image classification based on locality constrained low rank representation Nguyễn Hoàng Vũ1 Trần Quốc Cường1 1 Trường Đại học Tiền Giang 119 Ấp Bắc Phường 5 Mỹ Tho Tiền Giang Việt Nam Thông tin chung Tóm tắt Ngày nhận bài Đại diện hạng thấp đã được sử dụng hiệu quả trong phân 22 05 2022 đoạn không gian con đại diện tốt cho dữ liệu và trích xuất đặc điểm từ dữ liệu bị hỏng. Bài báo này đề xuất một phương pháp phân Ngày nhận kết quả phản biện loại hình ảnh sử dụng đại diện hạng thấp LRRC . Bằng cách bổ 02 06 2022 sung ràng buộc cục bộ vào hàm mục tiêu và huấn luyện một từ điển Ngày chấp nhận đăng nhằm loại bỏ vấn để ảnh hưởng của nhiễu một đại diện hạng thấp 13 06 2022 cho dữ liệu hình ảnh huấn luyện tương ứng với một từ điển đã đạt được. Với ý nghĩa về về cấu trúc thông tin và khả năng phân biệt Từ khóa mạnh đại diện này rất phù hợp cho nhiệm vụ phân loại hình ảnh. Đại diện hạng thấp Kết quả thực nghiệm trên các tập dữ liệu hình ảnh tiêu chuẩn đã học từ điển phân đoạn phân chứng minh tính hiệu quả của phương pháp đề xuất. loại hình ảnh trích đặc điểm. Abstract Keywords Low-rank representation LRR has been used effectively in Low-rank subspace segmentation data representation and feature extraction representation dictionary from corrupted data. In this paper an image classification method learning segmentation based on low-rank representation Low Rank Representation image classification feature Classification LRRC is proposed. By adding local constraints to extraction. objective functions and constructing a dictionary to eliminate interference effects a low rank representation for images corresponding to the constructed dictionary is obtained. With the meaning in terms of information structure and strong identification capability this representation is appropriate for image classification tasks. The experimental results of standard image files .
