基于 Earth Mover's Distance 直方图比较的多实例字典随机学习
计算机视觉与模式识别
2016-09-06 v1
摘要
字典在多实例数据表示中起着重要作用。它将实例袋映射到直方图。Earth Mover's Distance（EMD）是多实例检索应用中最有效的直方图距离度量。然而，迄今为止，尚无专门用于基于 EMD 的直方图比较的多实例字典学习方法。为了填补这一空白，我们开发了首个用于 EMD 的最优字典学习方法，采用随机优化方法。在随机学习框架中，我们有一组三元袋，包括一个基础袋、一个正袋和一个负袋。这些袋通过多实例字典映射到直方图。我们论证基础直方图与正直方图之间的 EMD 应小于基础直方图与负直方图之间的 EMD。基于此条件，我们设计了一个 hinge loss。通过最小化该 hinge loss 和字典的某些正则化项，我们更新字典实例。多实例检索应用上的实验表明，在医学图像检索和自然语言关系分类问题上，与其他字典学习方法相比，该方法具有有效性。
引用
@article{arxiv.1609.00817,
title = {Stochastic Learning of Multi-Instance Dictionary for Earth Mover's Distance based Histogram Comparison},
author = {Jihong Fan and Ru-Ze Liang},
journal= {arXiv preprint arXiv:1609.00817},
year = {2016}
}