不变的svm-优快云博客

原创学习笔记：Self-Paced Learning

自主学习类似于主动学习（active learning）从未知标签中选取数据加入已知标签训练，不同的是，主动学习每次选取具有特征最丰富的点，然后将这个点返回到数据库中去查询，得到一个LABEL然后去更新分类器。然而，自主学习起源于课程学习（curriculum learning），它根据学生的学习能力去选取课程，因而自主学习每次选取最简单的特征点集，然后到复杂，每次选取的个数不同，这样训练的好处就...

2018-06-03 10:52:48 4037

原创学习笔记：Sparse multiple instance learning as document classification

多示例学习中稀疏化是有很多的论文都是在围绕如何选择representation imformation提出很多方法，前面也有提及，但是，本文是针对稀疏数据提出了利用包和示例的结构信息的方法。具体算法如下：本文创新点就是NNrelationships，从而提出了一个representation向量zi。后文将这个算法应用到文本分类中，并提出权重调整策略。算法如下：公式（2）公式（3）总结：我看过一些...

2018-05-26 16:59:38 479

原创学习笔记：Saliency Optimization from Robust Background Detection

本文目标显著性目标检测是由无监督学习的方法来作的。首先作者提出了背景连通度评估从而分离显著性的目标。作者首先提出了连通度计算公式：本文先通过图像分割进行区域分割。 SLIC算法来作。然后通过提出连通度计算扩展到区域的计算。如下：由于上述公式计算的结果可能对比度不高，于是作者又提出了一个背景对比度权重。首先写出了超像素的权重：同时还提出了背景概率：最终背景对比度权重为：这样就很好的描述了区域背景性和...

2018-04-12 20:30:44 2766

原创学习笔记：Salient Object Detection: A Discriminative Regional Feature Integration Approach

本文是显著性目标检测用监督学习的方法来作。本文采用multi-level segmentation的方法进行分割。其主要思想为：将原图进行m级分割， S = {S1, S2, ···, SM}。S2是由S1融合所得，阈值是算法生成的。最终融合得到SM。为了融合计算，作者提出了特征描述器。提出了三个 Regional contrast descriptor，Regional property des...

2018-04-12 11:38:02 2107

原创学习笔记：Learning Full Pairwise Afﬁnities for Spectral Segmentation

大多数研究通常将分割问题定义为寻找一种最小化特定能量函数的图像的标记。在原图像中，一些问题使得无监督的图像分割变得困难，比如寻找模糊的对象边界和分离高度杂乱的背景。本文是在mean shift算法基础上研究的。Mean Shift向量：偏移的均值向量。定义如下：对于给定dd维空间RdRd中的nn个样本点xi,i=1,2,…,nxi,i=1,2,…,n在xxd点的Mean Shift向量的基本形式定...

2018-04-04 17:24:44 575

原创学习笔记：Salient Object Detection via Multiple Instance Learning （三）

作者接着提出了从上面简单的模型到复杂模型的学习。作者首先通过FNCut算法进行选出显著性区域，每个区域作为一个包，在这个区域中的每个超像素作为示例。前面的模型作者用三个尺度来描述没个示例，在该处将区域划分为三个级别，并将它们作为候选包组合在一起。然后应用Otsu生成的多级自适应阈值来标记每个超像素。前z级别的为正示例，后面则为负示例。然后根据候选包是否包含正实例。可以的到正负包Bk(+), Bk(...

2018-04-03 15:38:42 568

原创学习笔记：Salient Object Detection via Multiple Instance Learning（二）

文章用Simple Linear Iterative Clustering（SLIC)算法生成超像素作为示例，本文用区域属性、区域对比度和区域背景等三种特征来表示超像素。SLIC算法：算法大致思想是这样的，将图像从RGB颜色空间转换到CIE-Lab颜色空间，对应每个像素的（L，a，b）颜色值和（x，y）坐标组成一个5维向量V[l, a, b, x, y],两个像素的相似性即可由它们的向量距离来度量...

2018-04-03 09:45:33 654

原创学习笔记：Salient Object Detection via Multiple Instance Learning(一)预备知识

预备知识：目标检测（object detection），要求模型不仅能判断一幅输入图像中包含哪类目标，还得框出目标的具体位置（bounding box）。显著性目标检测：是模拟人的视觉效果，根据人的视觉，提取出人感兴趣的部分，主要有两个过程，自底向上基于特征的数据数据驱动，另一个则是自顶向下的基于高层结构的任务驱动，这两个过程协调工作。由于自顶向下部分涉及生理学，神经学，心里学等诸多学科，且处于初...

2018-04-02 10:32:31 857

原创学习笔记：机器学习之Learning Nonparametric Kernel Matrices from Pairwise Constraints

graph Laplacian：拉普拉斯矩阵是个非常巧妙的东西，它是描述图的一种矩阵，在降维，分类，聚类等机器学习的领域有很广泛的应用。拉普拉斯矩阵的性质　　性质：　　（1）是半正定矩阵。　　（2）的最小特值为0，对应特向为全1列向量。　　（3）对有个非负实特征值，. 　　（4）对于任意一个属于实向量，都有此公式成立：拉普拉斯的应用： 1）拉普拉斯矩阵是一种图的矩阵表...

2018-03-30 11:18:14 435

原创学习笔记：机器学习之支持向量 Sparse kernel learning

核函数分类器一般是主要由权重向量和特征空间构成公式如下：变形为：因而可以看出Nxv的大小影响了分类速率。所以提出了将Nxv优化最小同时，特征空间线性可分而且损失最小.损失如下：所以Sparse kernel learning 主要是建立模型去选取xv向量。可以详见rsvm.参考文献：点击打开链接...

2018-03-29 12:20:51 684 1

yxz3024的博客