由单教师单学生模型监督的两阶段图像分类
计算机视觉与模式识别
2019-09-27 v1 机器学习
图像与视频处理
摘要
两阶段策略已广泛应用于图像分类。然而，这些方法在第二预测阶段几乎未考虑第一阶段的分类准则。本文提出一种新颖的两阶段表示方法（TSR），并将其转换为我们两阶段图像分类框架中的单教师单学生（STSS）问题。我们寻找测试样本的最近邻以选择候选目标类别。同时，第一阶段分类器被构建为持有分类分数的教师。候选类别的样本被用于在第二阶段基于 L2 最小化学习一个学生分类器。学生将由教师分类器监督，仅当学生获得更高分数时才被教师认可。实际上，所提出的框架通过以新颖方式级联两个较弱的分类器生成了一个更强的分类器。在若干人脸和物体数据库上的实验表明，我们提出的框架是有效的，并且优于多种流行的分类方法。
引用
@article{arxiv.1909.12111,
title = {Two-stage Image Classification Supervised by a Single Teacher Single Student Model},
author = {Jianhang Zhou and Shaoning Zeng and Bob Zhang},
journal= {arXiv preprint arXiv:1909.12111},
year = {2019}
}
备注
Accepted by 30th British Machine Vision Conference (BMVC2019)