使用多示例函数的多示例字典学习
计算机视觉与模式识别
2016-08-05 v3 机器学习
机器学习
摘要
提出一种使用多示例函数（DL-FUMI）的多示例字典学习方法来解决带有不准确训练标签的目标检测与二类分类问题。给定不准确的训练标签，DL-FUMI学习一组描述真实正类最具区分性和代表性特征的目标字典原子，以及一组解释正负示例中共享信息的非目标字典原子。实验结果表明，DL-FUMI估计的目标字典原子比文献中现有方法更具代表性原型并识别出真实正类的更好区分特征。在多种MIL问题上，与其他多示例学习（MIL）字典学习算法相比，DL-FUMI在若干目标检测和分类问题上表现出显著更好的性能。
引用
@article{arxiv.1511.02825,
title = {Multiple Instance Dictionary Learning using Functions of Multiple Instances},
author = {Changzhe Jiao and Alina Zare},
journal= {arXiv preprint arXiv:1511.02825},
year = {2016}
}
备注
Final submission to ICPR