计算机工程

作者：刘旭东, 杨绪兵

单位：南京林业大学信息科学技术学院，江苏 南京 210037

关键词：单类分类,L1范数,实时性,目标检测,非刚性目标

单类分类(OCC)技术如支撑向量数据描述(SVDD)和单分类支持向量机(OCSVM)，已在计算机视觉、机器学习和生物特征识别等应用领域中获得了广泛关注。由于目前大多数的OCC模型均是基于L2范数设计的，存在解不够稀疏、噪声敏感、需要二阶以上优化等问题，难以胜任有实时性需求的目标检测任务。针对这一问题，采用L1范数取代了OCSVM中L2范数的间隔项，提出一种基于L1-OCSVM的单类分类器。上述的取代不仅继承了SVM的大间隔原理，而且导出的优化问题是一阶的。然而，由于L1范数的引入，非线性L1-OCSVM模型中的特征样本不如L2范数总可以成对出现，因而也无法使用L2范数的内积替换。提供一种等价优化策略，即直接最小化变量的L1范数项，因而获得的解极其稀疏，非常有利于实时检测。针对林业问题中的非刚性目标检测，如林火、林烟和树冠等，在无人机航拍图像和地面遥感图像上进行实验，结果验证了L1-OCSVM在目标检测准确率、稀疏性和实时检测方面的显著优势。

来源：2025年第7期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第7期