面向损失感知的结构化预测的候选约束条件随机场
计算机视觉与模式识别
2014-12-11 v1
摘要
在评估计算机视觉系统时，我们通常关注特定任务的评估指标表现，例如 PASCAL VOC 图像分割挑战赛中使用的交并比 (Intersection-Over-Union) 分数。理想情况下，我们的系统应针对这些评估指标进行专门调优。然而，尽管已有大量关于损失感知结构化预测的研究，顶尖系统却并未采用这些技术。在本工作中，我们致力于解决这一问题，以一种契合顶尖系统所采用方法的方式融入损失感知预测。我们的主要思路是同时利用两个系统：一个是如排行榜顶尖系统中常见的高度调优的流水线系统，另一个是传统的条件随机场 (CRF)。我们展示了如何将来自流水线的高质量候选解与适用于损失感知预测的 CRF 概率方法相结合。结果表明，我们可以利用损失感知预测方法论来提升高度调优的流水线系统的性能。
引用
@article{arxiv.1412.3369,
title = {Candidate Constrained CRFs for Loss-Aware Structured Prediction},
author = {Faruk Ahmed and Daniel Tarlow and Dhruv Batra},
journal= {arXiv preprint arXiv:1412.3369},
year = {2014}
}
备注
20 pages including Supplement