Omadused cassifier tagasiside

link: https://www.cc.gatech.edu/~parikh/attribute_feedback/

main_image_1

Inimesed
Arijit Biswas
Amar Parkash
Devi Parikh

Kokkuvõte

Aktiivne õppimine annab kasulikke vahendeid, et vähendada annotatsioon kulusid ohustamata klassifikatsioonis jõudlust. Aga see traditsiooniliselt seisukohti juhendaja lihtsalt märgistamise masin. Teeme ettepaneku uue interaktiivse õppimise paradigma, mis võimaldab juhendaja, et lisaks annavad kasulikku domeeni teadmisi atribuutidega. Õppija esimene loob oma usk aktiivselt valitud pildi nt “ma arvan, et see on mets, mis sa arvad?”. Kui õppija on vale, juhendaja annab selgituse, nt “Ei, see on liiga avatud, tuleb metsa”. Juurdepääsu eelnevalt koolitatud komplekt suhteline atribuut ennustavad, et õppija tõmbab kõik märgistamata pilte rohkem avatud kui otsingut ja kasutab neid negatiivseid näiteid, metsa uuendamiseks selle klassifikatsioonis. See rikas inimene-masin suhtlus-parem klassifikatsioon jõudlust.

Me teha ka kolm lisaseadmed käesoleva põhiraamistiku. Esiteks, me lisada kaalu kava, et selle asemel, et teha raske otsus põhjustel umbes tõenäosus, et pilt on negatiivne näide. Teiseks, me teeme ära eelnevalt koolitatud atribuudid ja selle asemel, et õppida atribuut mudelid sõita, vähendada üldkulusid ning piiranguid eelnevalt määratud atribuut sõnavara. Lõpuks, me pakkuda aktiivse õppe raamistik, mis moodustab mitte ainult etiketi -, vaid ka atribuudid-põhist tagasisidet, samas valides järgmise päringu pilt. Me näitavad olulist paranemist klassifitseerimise täpsus külgedel ja kingad. Samuti koguda ja teha kättesaadavaks suurim suhteline atribuudid andmekogu, mis sisaldab 29 atribuutide näod 60 kategooriad.

Paberid

Amar Parkash, Devi Parikh.
Omadused Klassifikatsioonis Tagasisidet.
Euroopa Konverents, Arvuti Nägemine (ECCV), 2012 (Suuline).
PDF bibtex

Arijit Biswas, Devi Parikh.
Samaaegne Aktiivne Õppimine Klassifikaatorite & Atribuutide kaudu Suhteline Tagasisidet.
Vastavalt IEEE Conference on Computer Vision-ja kujutuvastuseks (CVPR), 2013.
PDF bibtex

Esitlused

ECCV 2012 Suuline esitlus:
Slides Talk (video)
CVPR 2013 Plakati esitlus:
Plakat

Andmed

Oleme kogunud suhteline atribuudid andmekogu 60 nägu kategooriad ja 29 atribuudid (element PubFig), kasutades Amazon Mechanical Turk. Iga paari-kategooria me kuva näiteks pilte, et 10 kasutajad Amazon Mechanical Turk ja küsida, mis kategooria on tugevam kohalolek iga atribuut. Me siis koolitatud suhteline atribuut kallutavad need 29 pilte. Andmekogu sealhulgas annotatsioone, koolitatud atribuut ennustavad, ja väljundid ennustavad kohta 1800 pilte saab alla laadida siit: Suhteline Nägu Atribuudid Andmekogu.

Kui te kasutate seda andmestikku, palun cite: bibtex

Demo

Me esitatud demo selle töö juures CVPR 2013. Seda võib leida siit.