使用多通道自编码器从合成数据学习分类器
计算机视觉与模式识别
2015-03-12 v1 机器学习
摘要
我们提出一种利用合成数据辅助学习分类器的方法。合成数据，即使基于真实数据生成，通常也会导致特征空间中真实数据分布的偏移。为弥合真实与合成数据之间的差距，并从合成与真实数据中联合学习，本文提出多通道自编码器(MCAE)。我们展示通过使用MCAE，可以学习到更好的用于分类的特征表示。为评估所提方法，我们在两类数据集上进行了实验。在两类数据集上的实验结果验证了我们的MCAE模型以及我们生成合成数据的方法的有效性。
引用
@article{arxiv.1503.03163,
title = {Learning Classifiers from Synthetic Data Using a Multichannel Autoencoder},
author = {Xi Zhang and Yanwei Fu and Andi Zang and Leonid Sigal and Gady Agam},
journal= {arXiv preprint arXiv:1503.03163},
year = {2015}
}
备注
10 pages