魏 彬

（陕西铁路工程职业技术学院，渭南 714000）

0 概述

图像对象的分类和检测是计算机视觉中最基本的两个问题。当前，行业内关于机器学习领域的核心是对象分类及检测，在人脸识别，安全领域的行人检测，智能化视频分析、行人跟踪、对象识别、车辆交通事故现场的交通统计、交通逆行检测、车辆牌照检测识别以及基于内容的图像分析的互联网、相册自动分类等已得到了应用。

基于深度学习的图像识别技术已经应用到人们日常生活的各个方面，而图像识别中的核心手段为分类与识别，集成深度学习等机器学习技术，提升了图像分类及识别的效率。在文献[1]中，Soheil等人提出了多模式任务驱动的字典学习图像分类算法，该算法通过以字典原子的稀疏线性组合作为输入信号，已经成功地用于重新构建和鉴别性的任务；虽然该方法大多是针对单模态场景而开发的，但最近的研究已经证明了基于多模态输入的联合稀疏表示的特征级融合的优点。R Ji[2]的研究团队提出了一种新的基于光谱空间约束的高光谱图像分类方法，主要用于处理像素谱和空间约束的关系。文献[3]中，作者对腹侧视觉流的前馈层次模型进行了研究，主要应用于功能脑图像的分类。

关于图像对象分类以及识别问题的研究主要分为三个层次：实例级、类级和语义级。①实例级：由于图像特征中的光照、拍摄角度、拍摄距离、拍摄对象本身所具备其它特征，造成在对象识别过程中产生较大的变化，视觉识别算法的执行存在较大的困难；……