Ordinal margin metric learning and its extension for cross-distribution image data
Ordinal margin metric learning and its extension for cross-distribution image data
复制标题
跨分布图像数据的序数间隔度量学习及其扩展
DOI：
10.1016/j.ins.2016.02.033
复制
发表时间：
2016-07
影响因子：
8.1
通讯作者：
Qiao Lishan
中科院分区：
文献类型：
--
作者：
Tian Qing;Chen Songcan;Qiao Lishan
在机器学习和计算机视觉领域中，人类年龄估计和头部姿势识别等广泛的应用都与有序数据有关，其中存在顺序关系。为了在期望的度量空间中进行这种有序估计，本文首先提出了一种新的有序间隔度量学习（ORMML）方法，该方法通过间隔序列将数据类分开，使得类在学习的度量空间中有序分布。然后，为了科普更现实的场景，其中数据是跨多个分布的每个类进行采样的，我们提出了一个ORMML的交叉分布变体，称为CD-ORMML，通过在进行度量学习时最大化每个类内分布之间的相关性。最后，合成和公开的图像数据集上的广泛的实验表明，所提出的方法在性能上的国家的最先进的方法的优越性。
In machine learning and computer vision fields, a wide range of applications, such as human age estimation and head pose recognition, are related to ordinal data in which there exists an order relationship. To perform such ordinal estimations in a desired metric space, in this paper we first propose a novelordinal margin metric learning(ORMML) method by separating the data classes with a sequence of margins, which makes the classes distribute orderly in the learned metric space. Then, to cope with more realistic scenarios where the data are sampled with each class across multiple distributions, we present a cross-distribution variant of ORMML, coined as CD-ORMML, by maximizing the correlation between distributions within each class when conducting metric learning. Finally, extensive experiments on synthetic and publicly available image datasets demonstrate the superiority of the proposed methods in performance to the state-of-the-art methods.
登录
查看更多内容
DOI：
10.1007/978-1-4899-7687-1_810
发表时间：
2017
期刊：
--
影响因子：
--
作者：
Xinhua Zhang
通讯作者：
Xinhua Zhang
DOI：
10.1201/9781003139041-11
发表时间：
2021-03
期刊：
An Introduction to IoT Analytics
影响因子：
--
作者：
Harry G. Perros
通讯作者：
Harry G. Perros
影响因子：
7.4
作者：
Ke-Lin Du;M. Swamy
通讯作者：
Ke-Lin Du;M. Swamy
DOI：
10.1007/s13042-011-0017-0
发表时间：
2011-03
影响因子：
5.6
作者：
Jie Li;Guan Han;Jing Wen;Xinbo Gao
通讯作者：
Jie Li;Guan Han;Jing Wen;Xinbo Gao
DOI：
--
发表时间：
2010-12
期刊：
--
影响因子：
--
作者：
Shibin Parameswaran;Kilian Q. Weinberger
通讯作者：
Shibin Parameswaran;Kilian Q. Weinberger