EMD度量学习

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。