面向数据集级任务的原型袋表示

本工作研究针对两项数据集级任务的数据库向量化：训练集适用性评估和测试集难度评估。前者衡量一个训练集对目标领域的适用程度，后者研究一个测试集对所学模型的挑战程度。这两项任务的核心在于度量数据集之间的潜在关系。这需要一个理想的数据集向量化方案，该方案应尽可能保留有判别力的数据集信息，从而使所得数据集向量之间的距离能够反映数据集间的相似度。为此，我们提出了一种原型袋（BoP）数据集表示，将包含块描述子的图像级袋扩展为包含语义原型的数据库级袋。具体而言，我们构建了一个由从参考数据集聚类得到的 K 个原型组成的码本。给定待编码的数据集，我们将其每个图像特征量化到码本中的某个原型，得到一个 K 维直方图。在不假设可获取数据集标签的情况下，BoP 表示提供了对数据集语义分布的丰富刻画。此外，BoP 表示与 Jensen-Shannon 散度良好配合以度量数据集间相似度。尽管非常简单，BoP 在一系列针对两项数据集级任务的基准上持续展现出相对于现有表示的优势。