基于混合高斯-拉普拉斯混合模型的Fisher向量用于图像标注
计算机视觉与模式识别
2015-01-27 v2
摘要
在传统的目标识别流程中，描述符在图像上密集采样，汇集到高维非线性表示，然后传递给分类器。近年来，Fisher向量已被经验证明是多种应用中的领先表示。Fisher向量通常取描述符对数似然相对于高斯混合模型（GMM）参数的梯度。基于不同数据集应使用不同分布的假设，我们提出了另外两种混合模型，并推导了它们的期望最大化算法和Fisher向量表达式。第一种是拉普拉斯混合模型（LMM），基于拉普拉斯分布。第二种是混合高斯-拉普拉斯混合模型（HGLMM），基于高斯分布和拉普拉斯分布的加权几何平均。后者的期望最大化算法的一个有趣性质是，在最大化步骤中，每个分量中的每个维度被选择为高斯或拉普拉斯。最后，通过使用从HGLMM导出的新Fisher向量，我们在图像标注和基于句子的图像搜索任务上取得了最先进的结果。
引用
@article{arxiv.1411.7399,
title = {Fisher Vectors Derived from Hybrid Gaussian-Laplacian Mixture Models for Image Annotation},
author = {Benjamin Klein and Guy Lev and Gil Sadeh and Lior Wolf},
journal= {arXiv preprint arXiv:1411.7399},
year = {2015}
}
备注
new version includes text synthesis by an RNN and experiments with the COCO benchmark