Multi-classifier Scheme with Low-Level Visual Feature for Adult Image Classification

Bozorgi, Mohammadmehdi; Maarof, Mohd Aizaini; Sam, Lee Zhi

doi:10.1007/978-3-642-22203-0_66

Cited by 3 publications

(3 citation statements)

References 14 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Besides multi classifier scheme has just been proposed for Adult image classification with low level feature in 2011 [5]. This model contains two-layers classifier.…”

Section: Introductionmentioning

confidence: 99%

Image Classification using Support Vector Machine and Artificial Neural Network

Thai¹,

Hai²,

Thuy³

2012

IJITCS

120

View full text Add to dashboard Cite

Abstract-Image classification is one of classical problems of concern in image processing. There are various approaches for solving this problem. The aim of this paper is bring together two areas in which are Artificial Neural Network (ANN) and Support Vector Machine (SVM) applying for image classification. Firstly, we separate the image into many sub-images based on the features of images. Each sub-image is classified into the responsive class by an ANN. Finally, SVM has been compiled all the classify result of ANN. Our proposal classification model has brought together many ANN and one SVM. Let it denote ANN_SVM. ANN_SVM has been applied for Roman numerals recognition application and the precision rate is 86%. The experimental results show the feasibility of our proposal model.

show abstract

“…Besides multi classifier scheme has just been proposed for Adult image classification with low level feature in 2011 [5]. This model contains two-layers classifier.…”

Section: Introductionmentioning

confidence: 99%

Image Classification using Support Vector Machine and Artificial Neural Network

Thai¹,

Hai²,

Thuy³

2012

IJITCS

120

View full text Add to dashboard Cite

show abstract

“…Phân lớp ảnh dựa trên tổ hợp đa đặc trưng Vào năm 2011, Mohammadmehdi Bozorgi, Mohd Aizaini Maarof, and Lee Zhi Sam đề xuất bộ phân lớp 2 tầng trên các đặc trưng cấp thấp và thử nghiệm cho phân lớp ảnh người lớn [5]. Tầng phân lớp 1 gồm 2 bộ phân lớp: SVM và AdaBoost.…”

unclassified

“…Các mô hình phân lớp tổ hợp đa đặc trưng sẽ gồm nhiều bộ phân lớp đơn cho các vector đặc trưng và bộ tích hợp để hợp nhất các kết quả phân lớp đơn. [5], [8] Các hướng tiếp cận theo hướng đa đặc trưng gồm kết hợp sớm, kết hợp trễ, mô hình nhiều tầng (Hybrid, Stacking, Ensembling, Fine-Tuning). Các hướng tiếp cận này thường gặp phải các thách thức như: chi phí phân lớp lớn, kết hợp nhiều đặc trưng như thế nào và khai thác mối quan hệ giữa các đặc trưng, và hạn chế trong khả năng ứng dụng thực tiễn.…”

unclassified

Phân lớp ảnh dựa trên tổ hợp đa đặc trưng

Hải¹,

Thai²,

Thủy³

2019

Tạp chí Khoa học

View full text Add to dashboard Cite

Phân lớp ảnh là một bài toán quan trọng và có nhiều ứng dụng trong lĩnh vực thị giác máy tính. Bài toán này đã và đang được rất nhiều nhà nghiên cứu trong và ngoài nước quan tâm. Nghiên cứu này đề xuất mô hình đa tầng cho phân lớp ảnh tổ hợp nhiều đặc trưng. Mô hình đa tầng đề xuất gồm: tầng phân lớp đơn, module chuyển đổi, và tầng tích hợp. Mô hình này có thể áp dụng cho tổ hợp đặc trưng thủ công và đặc trưng tự động. Việc so sánh kết quả thực nghiệm của mô hình đề xuất với các mô hình đã có được thực hiện trên bài toán thực tế cho phát hiện quảng cáo và phát hiện bất thường trong ảnh X-ray phổi. Kết quả thử nghiệm cho thấy tính khả thi của mô hình đề xuất.

show abstract