利用函数极大相关在图像层次中进行特征学习
计算机视觉与模式识别
2023-06-01 v1 人工智能
信息论
机器学习
math.IT
摘要
本文提出层次化函数极大相关算法（HFMCA），一种刻画多视图系统中两个层次级别间依赖关系的层次化方法。通过将视图相似性框定为依赖关系，并通过施加正交归一性确保对比性，HFMCA 在自监督学习中实现了更快的收敛与更高的稳定性。HFMCA 定义并度量图像层次结构中的依赖关系，从像素、图像块到完整图像。我们发现用于逼近正交基函数的网络拓扑与 vanilla CNN 一致，从而能够分解特征图相邻层之间的密度比。该方法提供了强大的可解释性，通过内部表示的视角揭示了监督与自监督之间的相似性。
引用
@article{arxiv.2305.20074,
title = {Feature Learning in Image Hierarchies using Functional Maximal Correlation},
author = {Bo Hu and Yuheng Bu and José C. Príncipe},
journal= {arXiv preprint arXiv:2305.20074},
year = {2023}
}