我们的贡献包括在这种新设定下对现有几种ZSL方法进行广泛的实证研究,我们证明用这些方法构造一个简单的分类器性能很差,特别是,来自unseen classes 的测试数据几乎总被归类为来自seen classes的测试数据。为了解决这个问题,我们提出了一种简单有效的校正叠加(calibrated stacking)方法。该方法注意到两种相互冲突的力量,识别来自seen classes的数据和识别来自unseend classes类别的数据。我们引入了一种新的性能度量,称为看不见精度曲线下的面积(AUSUC)。它可以评估ZSL方法在这两种方法之间的平衡情况。
我们通过三个基准数据集,(包括完整的ImageNet 2011年秋季发布的数据集[29],其中包含大约21,000个unseen classes)上评估在这个指标下的几个代表性ZSL方法来演示这个指标的效用

Calibrated stacking 校准堆叠

我们的方法源于这样的观察:对seen classes的判别函数的分数往往要高于unseen classes。因此,出于直觉,我们想要减少seen classes的分值。于是设定了下面的分类规则:
(可见类别判别函数的分值往往要高于不可见类别,减少可见类别的分值)
y ^ = a r g m a x c ∈ T f c ( x ) − γ I [ c ∈ S ] \hat{y} = argmax_{c \in T}f_c(x) - \gamma I[c \in S] y^​=argmaxc∈T​fc​(x)−γI[c∈S]
其中,指示函数(indicator) I [ ∗ ] ∈ ( 0 , 1 ) I[*] \in (0,1) I[∗]∈(0,1)表示 c c c是否来自可见类别, γ \gamma γ是一个校准因子,我们将这个可调的规则,称为calibrated stacking(校准堆叠)

另一个方法来解释 γ \gamma γ,将 γ \gamma γ视为来自不可见类别(unseen classes)的一个先验似然。当 γ = 0 \gamma = 0 γ=0时,校准堆叠规则是将重新变成之前提到的重新堆叠规则(direct stacking)规则
考虑到这两个极端的例子,可以方便地了解 γ \gamma γ.当 γ → ∞ \gamma \rightarrow\infin γ→∞时,分类规则会完全忽略所有的可见类并且将所有数据点都分到unseen classes中,当没有来自可见类的新数据点时,这个分类规则就相当于传统的ZSL设定。另外,当 γ → − ∞ \gamma \rightarrow-\infin γ→−∞时,分类规则仅考虑了可见类别在标准的多样分类的标签空间。这个校准堆叠规则因此表示一个处于完全对可见类别分类和保守的值将数据点分类到不可见类别的两者之间的一个中间状态。因此,调整这个超参数可以带来一种权衡,(trade-off)。而我们利用这种权衡来定义一个新的性能度量。

校正叠加(calibrated stacking)方法—技术相关推荐

  1. 图像处理中几何畸变校正,图像纠正的方法有哪些

    如何通过人工神经网络实现图像识别 . 人工神经网络(ArtificialNeuralNetworks)(简称ANN)系统从20世纪40年代末诞生至今仅短短半个多世纪,但由于他具有信息的分布存储.并行处 ...

  2. 模型融合中的stacking方法

    本文参考了Kaggle机器学习之模型融合(stacking)心得 stacking是用于模型融合的一个大杀器,其基本思想是将多个模型的结果进行融合来提高预测率.,理论介绍有很多,实际的例子比较少,本文 ...

  3. 一种PacBio测序数据组装得到的基因组序列的纠错方法技术 (专利技术)

    一种PacBio测序数据组装得到的基因组序列的纠错方法技术 技术编号:17008244阅读:83留言:0更新日期:2018-01-11 04:20 本发明专利技术提供一种PacBio测序数据组装后序列 ...

  4. java图片叠加_[原创]JAVA中图片上叠加文字的方法

    --sunfruit JDK:1.3.x以上 功能:下面是一个简单在图片上面叠加文字的方法,有朋友如果有这方面的问题,就起个了解的作用 代码如下: import java.io.IOException ...

  5. opencv畸变校正的两种方法

    opencv中畸变校正有两种方法 (1)undistort() //直接进行畸变校正 void cv::undistort ( InputArray src, // 原始图像OutputArray d ...

  6. TRIZ创新方法——技术矛盾机器解决原理

    TRIZ创新方法--技术矛盾及其解决原理 1. 什么是矛盾 2. 什么是技术矛盾 3. 通用工程参数 4. 矛盾矩阵 5. 运用阿奇舒勒矛盾矩阵解决技术矛盾的步骤 6.案例分析 7. 课后习题 --技 ...

  7. 【红外技术】非均匀校正之两点校正(原理标定方法MATLAB代码效果)

    创作时间:2022-05-06 非均匀校正之两点校正(原理&MATLAB代码&效果) 目录: 1.原理&标定方法 2.代码 3.效果 正文: 先看下效果 1.原理 红外焦平面的 ...

  8. 机器学习-Stacking方法的原理及实现

    Stacking 简述 主要的三类集成学习方法为Bagging.Boosting和Stacking.目前,大型的数据挖掘比赛(如Kaggle),排名靠前的基本上都是集成机器学习模型或者深度神经网络. ...

  9. 一文掌握异常检测的实用方法 | 技术实践

    作者 | Vegard Flovik 译者 | Tianyu 责编 | Jane 出品 | AI科技大本营(ID: rgznai100) [导读]今天这篇文章会向大家介绍几个有关机器学习和统计分析的技 ...

最新文章

  1. 图像几何变换之透视变换
  2. Xamarin.Forms单元控件Cell
  3. Java Web 应用概述
  4. 784. Letter Case Permutation
  5. qml demo分析(customgeometry-贝塞尔曲线)
  6. SAS在金融中的应用五
  7. 三月数据库技术通讯.pdf | Oracle配置DCD避免会话被防火墙强制断开
  8. html轮播图淡入淡出,一个简洁的Jquery效果 banner轮播(1) 淡入淡出效果
  9. 解决Linux系统中python matplotlib画图的中文显示问题
  10. ‮女的样么什‬人赚不到钱?͏
  11. 设计模式学习笔记(六:责任链模式)
  12. 蚂蚁金服 Service Mesh 渐进式迁移方案|Service Mesh Meetup 实录
  13. 如何用python计算年龄_python 实现年龄计算程序
  14. 数分-理论-大数据2-Hadoop
  15. GVR-Cardboard_DayDream
  16. 电脑安装双系统-linux系统上安装windows系统
  17. Android 源码分析
  18. oculusHome 无法登录提示显示错误 ovr....
  19. 看了 Google 大神 Jeff Dean 的传说,我拜服了~
  20. MATLAB r2014a 下载+安装+激活

热门文章

  1. python range函数小数_python range函数与numpy arange函数,xrange与range的区别
  2. 高德地图JavaScript API
  3. 体验阻力,体验当当退货流程。
  4. c# AttributeUsage的自定义属性和反射的一些基本用法
  5. html里显示中文乱码的原因及解决办法
  6. RESTEasy搭建
  7. 优化配置Little Snitch for Mac的规则和设置
  8. 对某游戏功能实现的逆向分析及实现变态功能
  9. WebDriver中点击按钮、连接无效问题
  10. JavaScript数组怎么删除指定元素?