基于期望核密度估计的弱监督片段标注
计算机视觉与模式识别
2018-12-18 v1
摘要
由于在弱监督片段标注中正图像/视频的标签是模糊的，仅使用类内信息的基于负挖掘方法应运而生。在这些方法中，负样本被用来惩罚未知样本以对其为目标物体的可能性进行排序，这可被视为一种基于相似性的投票。然而，这些方法 1) 忽略了正包中包含的信息，2) 仅对可能性进行排序而无法生成显式的决策函数。在本文中，我们提出了一种不仅涉及确定负样本也涉及模糊正样本的投票方案，以利用弱标签正包中的额外有用信息。在该方案中，每个样本以其由相似性产生的量值对标签投票，且模糊正样本被赋予在投票过程中迭代更新的软标签。它克服了仅使用负包投票的局限性。我们还提出了一种期望核密度估计（eKDE）算法，以进一步深入理解该投票机制。实验结果证明了我们的方案相对于基线的优越性。
引用
@article{arxiv.1812.06228,
title = {Weakly supervised segment annotation via expectation kernel density estimation},
author = {Liantao Wang and Qingwu Li and Jianfeng Lu},
journal= {arXiv preprint arXiv:1812.06228},
year = {2018}
}
备注
9 pages, 2 figures