用于多视图特征验证的多视图（联合）概率线性判别分析
机器学习
2017-07-10 v4
摘要
多视图特征已在许多多媒体应用中被证明非常有效。然而，当前的后端分类器不能充分利用此类特征。本文中，我们提出一种方法来显式且联合地对多视图特征中的多方面信息进行建模。在我们的方法中，该特征被建模为由一个生成式多视图（联合）概率线性判别分析(PLDA)模型推导出的结果，该模型包含多种潜变量。通常的PLDA模型仅考虑单一标签。然而，在实际应用中，当使用多任务学习网络作为特征提取器时，提取的特征总是附带多个标签。此类特征称为多视图特征。借助多视图（联合）PLDA，我们能够显式构建一个可结合来自多视图特征的多种异构信息的模型。在验证步骤中，我们计算似然以描述两个特征是否具有一致标签。该似然用于后续的决策。实验在大规模验证任务上进行。在公开RSR2015语料库上，结果表明我们的方法对于冒名错误和冒名正确情况分别能达到0.02\% EER和0.09\% EER。
引用
@article{arxiv.1704.06061,
title = {Multi-view (Joint) Probability Linear Discrimination Analysis for Multi-view Feature Verification},
author = {Ziqiang Shi and Liu Liu and Mengjiao Wang and Rujie Liu},
journal= {arXiv preprint arXiv:1704.06061},
year = {2017}
}