资讯详情

当我们谈论NLP、CV和DL的时候,我们在读什么?

作者:arXiv志愿者小组
时间:2018-03-16
阅读:3279

不同模态(例如近红外 NIR 和可见光 VIS)采集的人脸照片的匹配问题被称为异构人脸匹配(Heterogeneous face matching,HFM)问题。不同模态的数据之间具有互补性,例如 NIR 数据受光照影响小,网络上有大量的 VIS 数据等。不同模态的数据之间差异较大,并且缺失足够的训练样本对。本文提出了一种新的方法(coupled deep learning, CDL)来解决 HFM 问题。其主要的想法是对 NIR 的投影矩阵和 VIS 的投影矩阵引入组合迹范数(trace norm)来一方面使得两个投影矩阵之间具有相关性,另一方面作为正则项限制模型空间的复杂度;此外引入 Triplet ranking loss 来迫使类间的大间距,并给出了合理的 Triplet 选择方法。CDL 的性能在 CASIA NIR-VIS 2.0 数据集和 CUFS, CUFSF 上超过了目前最好的算法。不过本文仍然有一些地方没有很好研究:例如为什么组合 trace norm 可以迫使投影矩阵相关,没有做 ablation study,好的性能会不会是由于海量数据的预训练带来的,而不是 CDL 方法带来的?

文章被锁,马上开通会员,一年价格200元,会员登录后即可浏览全文的字样!
想要阅读海量会员优质文章吗?马上成为乐成网会员吧!注册会员

© 2017-2019 乐成网(www.fengyunzhongcheng.com)版权所有 备案:京ICP备15029717号-1