样例SVM集成的联合校准
计算机视觉与模式识别
2015-04-27 v2
摘要
我们提出了一种用于校准样例SVM集成（Ensemble of Exemplar SVMs）模型的方法。与独立校准每个SVM的标准方法不同，我们的方法优化其作为集成的联合性能。我们将联合校准表述为一个约束优化问题，并设计了一种高效的优化算法以找到其全局最优解。该算法动态丢弃解空间中早期不可能包含最优解的部分，使优化在计算上可行。我们使用在最先进CNN描述子上训练的EE-SVM进行实验。在ILSVRC 2014和PASCAL VOC 2007数据集上的结果表明：(i) 我们的联合校准过程在将窗口分类为属于某对象类别或否的任务上优于独立校准；(ii) 这种改进的窗口分类器在对象检测任务上带来更好的性能。
引用
@article{arxiv.1503.00783,
title = {Joint calibration of Ensemble of Exemplar SVMs},
author = {Davide Modolo and Alexander Vezhnevets and Olga Russakovsky and Vittorio Ferrari},
journal= {arXiv preprint arXiv:1503.00783},
year = {2015}
}