时空相干度量的无监督学习
计算机视觉与模式识别
2015-09-09 v6
摘要
当前最先进的分类和检测算法依赖于有监督训练。在这项工作中，我们研究在时间相干视频数据背景下的无监督特征学习。我们专注于从未标记视频数据中进行特征学习，利用相邻视频帧包含语义相似信息这一假设。利用这一假设来训练一个由慢速性和稀疏性正则化的卷积池化自编码器。我们建立了慢速特征学习与度量学习之间的联系，并证明训练后的编码器可用于定义一个在时间和语义上更相干的度量。
引用
@article{arxiv.1412.6056,
title = {Unsupervised Learning of Spatiotemporally Coherent Metrics},
author = {Ross Goroshin and Joan Bruna and Jonathan Tompson and David Eigen and Yann LeCun},
journal= {arXiv preprint arXiv:1412.6056},
year = {2015}
}
备注
To appear at ICCV2015