用于弱监督面部行为分析的多示例动态序数随机场
计算机视觉与模式识别
2018-07-04 v1 人工智能
摘要
我们提出一种用于弱监督学习问题的多示例学习（MIL）方法，其中训练集由包（特征向量或示例的集合）构成，且仅提供包级别的标签。具体而言，我们考虑多示例动态序数回归（MI-DOR）设定，其中示例标签自然地表示为序数变量，且包被结构化为时间序列。为此，我们提出多示例动态序数随机场（MI-DORF）。在该框架中，我们将示例标签视为无向图模型中的时间依赖隐变量。不同的 MIL 假设通过新引入的、在模型能量函数中关联包与示例标签的高阶势进行建模。我们还扩展了该框架以解决部分观测的 MI-DOR 问题，其中训练时可用示例标签的一个子集。我们在弱监督面部行为分析任务上表明，所提框架在面部动作单元（DISFA 数据集）与疼痛（UNBC 数据集）强度估计上优于其他学习方法。此外，我们表明 MIDORF 可在此场景下大幅减少数据标注工作量。
引用
@article{arxiv.1803.00907,
title = {Multi-Instance Dynamic Ordinal Random Fields for Weakly-supervised Facial Behavior Analysis},
author = {Adria Ruiz and Ognjen Rudovic and Xavier Binefa and Maja Pantic},
journal= {arXiv preprint arXiv:1803.00907},
year = {2018}
}
备注
submitted TIP (June 2017). arXiv admin note: text overlap with arXiv:1609.01465