利用堆叠多通道自编码器从合成数据中学习
计算机视觉与模式识别
2015-09-22 v2 人工智能
摘要
从合成数据中学习具有许多重要且实际的应用，例如照片-素描识别。由于合成数据与真实数据在特征分布上存在差异（我们称这种现象为合成鸿沟），使用合成数据具有挑战性。本文研究并形式化了一个通用框架——堆叠多通道自编码器（SMCAE），该框架能够弥合合成鸿沟并更高效地从合成数据中学习。特别地，我们展示了SMCAE不仅能在具有挑战性的人脸-素描识别任务中转换并使用合成数据，还能辅助模拟真实图像，这些模拟图像可用于训练分类器以进行识别。初步实验验证了该框架的有效性。
引用
@article{arxiv.1509.05463,
title = {Learning from Synthetic Data Using a Stacked Multichannel Autoencoder},
author = {Xi Zhang and Yanwei Fu and Shanshan Jiang and Leonid Sigal and Gady Agam},
journal= {arXiv preprint arXiv:1509.05463},
year = {2015}
}