度量学习算法的性能在很大程度上受样本构建的约束影响,通常情况下由难样本构造的约束越多模型性能会越好,但目前大部分度量学习算法挖掘到的难样本非常少,从而导致学习的度量判别力不高。为了解决这一问题,文章提出了一种动态生成难样...度量学习算法的性能在很大程度上受样本构建的约束影响,通常情况下由难样本构造的约束越多模型性能会越好,但目前大部分度量学习算法挖掘到的难样本非常少,从而导致学习的度量判别力不高。为了解决这一问题,文章提出了一种动态生成难样本的度量学习算法(metric learning algorithm for dynamically generating of hard sample,SGML),算法主要思想是在数据集原有的异类样本中间生成新样本,以此生成的样本更难区分,从而提升模型的判别力。在UCI数据集上进行准确率以及参数灵敏度分析的相关实验,结果表明SGML算法可以提升模型的判别力和健壮性。展开更多
在视觉单词包模型(bag of visual words,BoVW)模型中,由于特征检测的不足、聚类算法的缺陷及视觉单词的量化误差,用BoVW模型产生的视觉词典中,存在视觉单词同义性和歧义性的问题,因此用BoVW计算图像距离时,效果不太理想。BoVW模型产生...在视觉单词包模型(bag of visual words,BoVW)模型中,由于特征检测的不足、聚类算法的缺陷及视觉单词的量化误差,用BoVW模型产生的视觉词典中,存在视觉单词同义性和歧义性的问题,因此用BoVW计算图像距离时,效果不太理想。BoVW模型产生的词典规模巨大,学习一个普通矩阵需要的运算量难以接受。针对BoVW模型上述缺陷,文章提出了一种基于SVM的BoVW距离度量学习方法。该方法利用SVM训练一个将相似图像对与非相似图像对最大程度分离的超平面,得到计算词频直方图点积的权重矩阵。在Oxford图像集上的检索实验表明了该方法的有效性。展开更多
文摘度量学习算法的性能在很大程度上受样本构建的约束影响,通常情况下由难样本构造的约束越多模型性能会越好,但目前大部分度量学习算法挖掘到的难样本非常少,从而导致学习的度量判别力不高。为了解决这一问题,文章提出了一种动态生成难样本的度量学习算法(metric learning algorithm for dynamically generating of hard sample,SGML),算法主要思想是在数据集原有的异类样本中间生成新样本,以此生成的样本更难区分,从而提升模型的判别力。在UCI数据集上进行准确率以及参数灵敏度分析的相关实验,结果表明SGML算法可以提升模型的判别力和健壮性。
文摘在视觉单词包模型(bag of visual words,BoVW)模型中,由于特征检测的不足、聚类算法的缺陷及视觉单词的量化误差,用BoVW模型产生的视觉词典中,存在视觉单词同义性和歧义性的问题,因此用BoVW计算图像距离时,效果不太理想。BoVW模型产生的词典规模巨大,学习一个普通矩阵需要的运算量难以接受。针对BoVW模型上述缺陷,文章提出了一种基于SVM的BoVW距离度量学习方法。该方法利用SVM训练一个将相似图像对与非相似图像对最大程度分离的超平面,得到计算词频直方图点积的权重矩阵。在Oxford图像集上的检索实验表明了该方法的有效性。
