勿以语境论物：学习克服语境偏差
计算机视觉与模式识别
2020-05-07 v2 机器学习
摘要
现有模型常利用物体与其语境之间的共现关系来提高识别准确率。然而，强烈依赖语境会损害模型的泛化能力，尤其是在典型的共现模式缺失时。本工作致力于解决此类语境偏差，以提升所学特征表示的鲁棒性。我们的目标是在缺乏语境的情况下准确识别类别，同时在其与语境共现时也不牺牲性能。我们的核心思想是将某一类别的特征表示与其共现语境去相关。我们通过学习一个显式表示无语境下类别的特征子空间，以及一个表示类别与语境两者的联合特征子空间来实现这一点。我们这种非常简单却有效的方法可扩展至两个多标签任务——物体与属性分类。在4个具有挑战性的数据集上，我们证明了该方法在减少语境偏差方面的有效性。
引用
@article{arxiv.2001.03152,
title = {Don't Judge an Object by Its Context: Learning to Overcome Contextual Bias},
author = {Krishna Kumar Singh and Dhruv Mahajan and Kristen Grauman and Yong Jae Lee and Matt Feiszli and Deepti Ghadiyaram},
journal= {arXiv preprint arXiv:2001.03152},
year = {2020}
}
备注
CVPR 2020