基于 Huber 分布的概率回归
计算机视觉与模式识别
2021-11-22 v1
摘要
在本文中，我们描述了一种使用神经网络估计物体位置及其协方差矩阵的概率方法。我们的方法被设计为对离群点具有鲁棒性，相对于网络输出具有有界梯度，并具备其他理想性质。为实现这一点，我们引入了一种受 Huber 损失启发的新概率分布。我们还引入了一种参数化正定矩阵的新方法，以确保对我们所回归的坐标系的方向选择具有不变性。我们在流行的身体姿态与面部关键点数据集上评估了我们的方法，获得了与非热图方法相当或超越其的性能。我们的代码可在 github.com/Davmo049/Public_prob_regression_with_huber_distributions 获取。
引用
@article{arxiv.2111.10296,
title = {Probabilistic Regression with Huber Distributions},
author = {David Mohlin and Gerald Bianchi and Josephine Sullivan},
journal= {arXiv preprint arXiv:2111.10296},
year = {2021}
}
备注
to be published at BMVC, 10 pages