EMD度量学习 作者 张子昭 清华大学 张玉波 清华大学 赵锡斌 清华大学 岳高 清华大学 内政部: https://doi.org/10.1609/aaai.v32i1.11703 关键词: 视觉、物体识别、分类 摘要 地球移动器距离(EMD)以测量多对多距离为目标,已显示出其优越性,并被广泛应用于计算机视觉任务,如物体识别、高光谱图像分类和手势识别。然而,仍然没有集中精力优化EMD度量以获得更好的匹配性能。为了解决这个问题,本文提出了一种EMD度量学习算法。在我们的方法中,目标是学习用于生成EMD地面距离矩阵的判别距离度量,该度量可以更好地度量比较对象之间的相似性。更具体地说,给定一组来自不同类别的标记数据,我们首先选择训练数据的子集,然后优化用于生成地面距离矩阵的度量。这里,EMD度量和EMD流网络交替优化,直到达到稳定的EMD值。该方法能够生成一个有区别的地面距离矩阵,从而进一步改进EMD距离测量。然后,我们将EMD度量学习方法应用于两个任务,即多视图对象分类和文档分类。实验结果表明,与传统EMD方法和最新方法相比,本文提出的EMD度量学习方法具有更好的性能。值得注意的是,所提出的EMD度量学习方法也可以用于其他应用。 下载 PDF格式 出版 2018-04-29 如何引用 张,Z.,张,Y.,赵,X.,&高,Y.(2018)。EMD度量学习。AAAI人工智能会议记录,32(1). https://doi.org/10.1609/aaai.v32i1.11703 更多引文格式 ACM公司 ACS公司 阿帕 澳大利亚北卡罗来纳州 芝加哥 哈佛 电气与电子工程师协会 MLA公司 图拉宾语 温哥华 下载引文 尾注/Zotero/Mendeley(RIS) BibTeX公司 问题 第32卷第1期(2018):第三十二届AAAI人工智能会议 章节 AAAI技术方向:机器学习