用于弱监督疼痛强度估计的多示例动态序数随机场
计算机视觉与模式识别
2016-09-07 v1
摘要
在本文中，我们研究了当包标签自然表示为序数变量（多示例序数回归）时的多示例学习（MIL）问题。此外，我们还考虑了包为序数实例时间序列的情况。为了对此进行建模，我们提出了新颖的多示例动态序数随机场（MI-DORF）。在该模型中，我们将包内的实例标签视为潜在的序数状态。通过在能量函数中引入关联包与实例标签的高阶势函数来对 MIL 假设进行建模。我们在 UNBC Shoulder-Pain 数据库的弱监督疼痛强度估计任务上展示了所提方法的优势。在我们的实验中，所提方法显著优于那些要么忽略 MIL 假设、要么不对目标数据中的动态信息进行建模的替代非序数方法。
引用
@article{arxiv.1609.01465,
title = {Multi-instance Dynamic Ordinal Random Fields for Weakly-Supervised Pain Intensity Estimation},
author = {Adria Ruiz and Ognjen Rudovic and Xavier Binefa and Maja Pantic},
journal= {arXiv preprint arXiv:1609.01465},
year = {2016}
}