利用几何分配流学习图像标注的自适应正则化
最优化与控制
2020-06-26 v2 计算机视觉与模式识别
动力系统
摘要
我们利用线性分配流和带真值标注的训练数据，研究像素级图像标注的模型参数学习这一逆问题。这是通过在决定分配流正则化性质的参数流形上构造黎曼梯度流来实现的。使用辛分区 Runge–Kutta 方法进行数值积分，我们证明了参数学习问题及其离散化的灵敏度条件可交换。我们方法的一个便利特性是学习基于精确推断。精心设计的实验从统计学习与最优控制的视角展示了我们方法的性能、数学模型的表达能力及其局限性。
引用
@article{arxiv.1910.09976,
title = {Learning Adaptive Regularization for Image Labeling Using Geometric Assignment},
author = {Ruben Hühnerbein and Fabrizio Savarino and Stefania Petra and Christoph Schnörr},
journal= {arXiv preprint arXiv:1910.09976},
year = {2020}
}