论文部分内容阅读
现有的图像分层表示方法严格局限于前馈型方式,不能较好地解决局部模糊性等问题.基于此,文中提出一种学习和推断层次结构所有分层的概率模型,它考虑递归的概率分解过程,通过推导得到金字塔式多层结构的潜在Dirichlet分布的衍生模型.该模型存在两个重要特性:增加表示层可提高平面模型的性能;采用全Bayesian概率方法优于其前馈型实现形式.在标准识别数据集上的实验结果表明,与现有的分层表示方法相比,该模型表现出较好性能.