带L2约束的域适应用于分类不同内镜系统图像
计算机视觉与模式识别
2018-02-05 v2 机器学习
摘要
本文提出一种域适应方法，通过引入不同域样本之间的L2距离约束，扩展了Hoffman等人提出的最大间隔域迁移（MMDT）；因此，我们的方法记为MMDTL2。受窄带成像（NBI）内镜设备所拍摄图像之间差异的启发，我们将不同的NBI设备作为不同域，并估计不同域样本（即由不同NBI内镜系统拍摄的图像样本）之间的变换。我们首先以原始形式表述问题，然后推导出对偶形式，其计算代价相比朴素方法大幅降低。根据我们使用来自两种不同NBI内镜设备的NBI图像数据集的实验结果，我们发现MMDTL2优于MMDT以及无适应的支持向量机，尤其在NBI图像特征为高维且每类训练样本数大于20时。
引用
@article{arxiv.1611.02443,
title = {Domain Adaptation with L2 constraints for classifying images from different endoscope systems},
author = {Toru Tamaki and Shoji Sonoyama and Takio Kurita and Tsubasa Hirakawa and Bisser Raytchev and Kazufumi Kaneda and Tetsushi Koide and Shigeto Yoshida and Hiroshi Mieno and Shinji Tanaka and Kazuaki Chayama},
journal= {arXiv preprint arXiv:1611.02443},
year = {2018}
}
备注
15 pages