【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity(年龄估计)
1. 介绍
论文地址:https://arxiv.org/pdf/1611.01731v2.pdf
代码:https://github.com/gaobb/DLDL
针对问题:年龄估计
(1)缺乏精确标签的训练图像;
(2)既不属于回归问题,也不属于分类问题;
- 回归问题的回归曲线是静态的,而年龄估计是 每个人服从单独的回归曲线,是动态的;
- 标签间存在模糊的信息, 使得这些任务不同于传统的分类任务, softmax仅仅强调了类间差异的最大化,却忽略了年龄问题本身的连续性。
主要贡献:
(1)将每幅图像的标签转换为离散的 标签分布,并利用KL散度拟合标签分布;
(2)提出的DLDL方法在特征学习和分类器学习中都有效地利用了标签的模糊性,即使训练集很小,也能有效地防止网络的过度拟合;
(3)结果表明,该方法比现有的年龄估计和头位估计方法具有更好的估计效果。同时,它也提高了多标签分类和语义分割任务的识别性能。
2. 方法
理想的标签分布y=(y1,y2,...,yC)必须满足一些基本原则:
- y应该是一个概率分布;
- 概率值i应在与图像相关联的所有可能标签之间存在差异。 即一个不那么模棱两可的类别必须被赋予高概率,而那些更模棱两可的标签必须具有低概率
为达到这两个原则,文章的主要思想是将真实年龄转换成以该年龄值为均值的正态分布,即:
用softmax拟合该正态分布:
最后的预测年龄有两种方法获得:
3. 实验
(1)评价指标
(2)标签分布
(3)实验结果
【论文解读】DLDL: Deep Label Distribution Learning With Label Ambiguity(年龄估计)相关推荐
- 年龄论文阅读——Deep Label Distribution Learning With Label Ambiguity
论文阅读--Deep Label Distribution Learning With Label Ambiguity 版权声明:本文为博主原创文章,未经博主允许不得转载.https://blog.c ...
- Deep Label Distribution Learning With Label Ambiguity
2017 年Deep Label Distribution Learning With Label Ambiguity精读 2021-06-21最近想要做关于semantic segmentation ...
- 论文解读|2020TPAMI|Deep High-Resolution Representation Learning for Visual Recognition
用于视觉识别的深度高分辨率表征学习 github:https://github.com/HRNet 论文地址:https://arxiv.org/pdf/1908.07919 摘要 高分辨率表示对于位 ...
- 论文解读:Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning
论文解读:Deep Dyna-Q: Integrating Planning for Task-Completion Dialogue Policy Learning (2018 ACL) 简要信息: ...
- T-PAMI-2021论文Semi-Supervised Multi-View Deep Discriminant Representation Learning阅读笔记
提示:文 0.论文信息 题目:Semi-Supervised Multi-View Deep Discriminant Representation Learning 期刊: IEEE Transac ...
- 论文解读:Deep High Dynamic Range Imaging of Dynamic Scenes
Deep High Dynamic Range Imaging of Dynamic Scenes Abstract 这篇文章介绍了一种在动态场景中,如何将不同曝光的图像进行融合从而得到高动态图像的方 ...
- 【论文解读 ASONAM 2019】Semi-Supervised Learning and Graph Neural Networks for Fake News Detection
论文题目:Semi-Supervised Learning and Graph Neural Networks for Fake News Detection 论文链接:https://ieeexpl ...
- 论文翻译:Deep Progressive Reinforcement Learning for Skeleton-based Action Recognition
在本文中,我们提出了一种深度递进强化学习(DPRL)方法来识别基于骨架的视频中的动作,其目的是提取最有信息的帧,并丢弃序列中不明确的帧来识别动作.由于每个视频选择代表性帧的数量众多,我们通过深度强化学 ...
- 优化案例(part2)--Fragmentary label distribution learning via graph regularized maximum entropy criteria
学习笔记,仅供参考,有错必纠 文章目录 目标函数 优化方案 算法流程 目标函数 优化方案 对于光滑函数和非光滑函数目标,可以采用ADMM(交替方向乘子法). 我们使用ADMM来求解我们的目标函数.原方 ...
最新文章
- 搭建Android上的服务器 “实现隔空取物”
- pycharm工程中的pip用不了怎么办?
- [sql]sqlite3板子上安装运行报错
- Azure中centos7设置时间为上海时间
- 访问不了_同事的电脑无法访问,共享打印机连接不上,问题都在这
- 清华大学团队夺冠AAAI 2021国际深度元学习挑战赛
- 隐藏的图片在浏览器中的请求
- 《统计学习方法》代码全解析——第四部分朴素贝叶斯
- 2019互联网公司端午礼盒大PK!
- sql server 2000里ldf损坏,只有mdf的恢复
- 深度解读 - TDD(测试驱动开发)
- Roberts算子,matlab代码实现
- 创业不难,找准项目才难,教你一眼识破好项目
- 球面坐标系与三角函数 Spherical Coordinates and Trigonometric Functions
- 【数据应用案例】用户画像与实践案例
- 深入理解CSS动画animation
- 计算机与宽带路由的连接步骤,电脑路由器连接图文教程
- mmdetection使用
- java程序员一般用什么笔记本_程序员对笔记本电脑有什么要求吗?推荐下哪些牌子笔记本性价比高?...
- 【docker同容器下多项目curl 调用网络死循环问题记录】
热门文章
- 【两周快速入门pr】二、电影混剪——最好的剪辑练手方式
- 王牌御史手游怎么用电脑玩 王牌御史电脑版怎么玩
- linux移植过程注意事项,linux移植过程的错误记录
- wps office计算机一级演示题,2017年计算机一级考试WPS office测试题及答案(3)
- 【小程序源码】特效语音支持多种音效
- linux计算字符串个数,Linux 统计某个字符串个数的方法
- 公积金和社保查询方法
- [RK3288][Android6.0] 调试笔记 --- 相机曝光模式以及等级的获取和设置
- 电机功率、转速、输出扭矩之间的关系推导
- Faster-Rcnn-TF 输入图像尺寸变换