【报告内容】

汇报人：姜照航

汇报单位：太原理工大学

主题：《A genetic programming-based method for image classification with small training data》

1、Introduction

2、Method

3、Experiment

4、Conclusion

【报告总结】

1.待解决的问题描述

图像分类的目的是让计算机分析图像的内容，并将其分类。在计算机视觉中，图像分类是一项至关重要的任务，具有多种应用，包括医疗诊断、人脸识别、场景分析、自动驾驶汽车[1]等。由于图像数据的高维性以及图像之间的巨大差异，分析图像的内容进行分类仍然是一个挑战。此外，在一些计算机视觉应用程序中，收集大量已标记的图像/实例既昂贵又困难，从而增加了训练模型实现高泛化性能的难度。

2.相关创新方案

（1）我们开发了一个新的适应度函数，包括分类精度和距离度量，以指导所提出的方法找到最佳的解决方案。分类精度是评估一个学习模型进行准确分类的能力。距离测度的目的是通过最小化类内距离和最大化类间距离，进一步提高学习模型的泛化性能。此外，为了自动有效地优化二分类和多类图像分类的训练实例之间的距离，我们开发了两种不同的距离度量。因此，对于训练集较小的二值图像分类和多类图像分类，新方法的泛化性能明显优于几乎所有基准方法；

（2）我们在小生境技术[30]的基础上开发了一种新的交叉算子，它不仅可以从整个搜索空间中搜索出好的解，而且可以更好地利用GP个体的邻居信息(即:GP个人/程序被安排与他们的邻居进行交叉)，以有效地利用本地搜索空间。结果表明，利用所开发的交叉算子，该算法能够找到最优解，提高了算法的学习性能和泛化性能。

（3）提出了ICGA来交互式匹配本体，这能够提高比对的质量。

3.实验总结

 文旨在提出一种基于GP的高效、有效的图像分类方法，该方法可以利用少量的训练实例演化出可解释的模型。提出了一种新的适应度函数和交叉算子的IFLGP方法，成功地实现了这一目标。开发的适应度函数包含分类精度和距离度量，使IFLGP方法能够进化出良好的广义个体/解决方案。此外，所开发的距离测度能够自动处理二分类和多分类。对于二元分类和多类分类，该算法分别能最小化类内距离和最大化类间距离。所开发的交叉算子使用小生境技术，使IFLGP能够探索全局和局部搜索空间，同时帮助IFLGP方法找到最佳个体/解。

4.未来工作

在未来，我们将致力于进一步提高GP方法在图像分类中的可解释性。例如，在GP方法中加入特征选择以减少学习到的特征数量，可能更容易理解学习到的特征。此外，IFLGP是一种基于种群的方法，需要在整个进化过程中进行大量的适应度评估，从而导致一个耗时的过程。在我们未来的工作中，我们的目标是设计高效的基于gps的图像分类方法来降低计算成本。

报告时间：2024年02月02日19:30

腾讯会议：371 3868 6615

点我下载本讨论课相关文献或PPT吧~(提取码：iipr)