结合人机专业知识学习概念嵌入
计算机视觉与模式识别
2015-09-29 v2
摘要
本文介绍了我们关于“SNaCK”的工作，这是一种结合人类专业知识与自动机器相似度核的低维概念嵌入算法。两部分互为补充：人类洞察能够捕捉从物体视觉相似性中不明显的关系，而机器可帮助人类免于详尽指定大量约束。我们展示了我们的 SNaCK 嵌入在多项任务中的效用：在 MNIST 上区分素数与非素数，借助深度习得特征发现 Caltech UCSD Birds (CUB) 数据集中的标注错误，为鸟类分类器创建训练数据集，在一个包含 10,000 种食物的新数据集上捕捉主观人类口味，以及定性探索一组无结构的象形文字。在这些任务上与最先进方法的比较表明，SNaCK 产生了比领先方法更好的概念嵌入，且需要更少的人类监督。
引用
@article{arxiv.1509.07479,
title = {Learning Concept Embeddings with Combined Human-Machine Expertise},
author = {Michael J. Wilber and Iljung S. Kwak and David Kriegman and Serge Belongie},
journal= {arXiv preprint arXiv:1509.07479},
year = {2015}
}
备注
To appear at ICCV 2015. (This version has updated author affiliations and updated footnotes.)