MPL,MIL和MCL

Multi-Instance Learning (MIL) 和Multi-Pose Learning (MPL)是CV的大牛Boris Babenko at UC San Diego提出来的，其思想可以用下面一幅图概况。MIL是指一个对象的学习实例可能有很多种情况，学习的时候不是用一个精确的标注对象来学习，而是用一个对象的多个实例组成的“包”来学习；而MPL是指一个对象会有多个姿态（Pose），学习的时候用一个分类器常常难以达到很好的效果，所以可以训练多个分类器来分别学习不同的Pose。其描述的都是对一个对象多种情况的同时学习和对齐的策略，也就是MIL是“adjusting training samples so they lie in correspondence”，而MPL是“separating the data into coherent groups and training separate classifiers for each”。

上图中右边为MIL的学习情况，每一行为一个对象的学习数据；左边为MPL的学习情况，每行为一个对象的不同pose学习数据，而每种颜色的框为训练的一个class。MIL被提出以后应用很广，而貌似MPL只有为数不多的引用，一篇《Multi-Cue Onboard Pedestrian Detection》应用的MPL但也没有具体的公式。MPL与传统的Boost方法的不同就是使用如下组合的y代替传统的y，其中k表示多个class，也就是有一个class识别为1，则判断结果为1。

其迭代训练的步骤也是大致相同，除了复杂度上多一个层每个yk的训练，另外相应的更新公式也不同：

之后剑桥提出Multi-Class Learning (MCL)，也是训练多个class，除了不是用的max(yk)而是用的诸如下面：

Noisy-OR的概率模型，整体思想感觉和MPL是一样的。但MCL的迭代更新方法写的要明朗许多，其权重wki(k表示每个class,i表示样本)更新使用如下方法：

注意P二类模型中常用的-1~1，而是0~1，所以当某个class判断为一定不是此类的时候，此样本在下一次的训练中就会被去掉，而相应的判断为是的class中权重加大。而在具体的某一类k的class中，判断错误的样本权重会相应加大，这点又契合了传统的Boost训练方法。MCL的文章是用在数据分类上边：

效果看上去很美味~

参考文献：

[1] Boris Babenko, Piotr Doll´ar, Zhuowen Tu, Serge Belongie. Simultaneous Learning and Alignment: Multi-Instance and Multi-Pose Learning.

[2] Christian Wojek, Stefan Walk, Bernt Schiele. Multi-Cue Onboard Pedestrian Detection

[3] Tae-Kyun Kim, Roberto Cipolla. MCBoost: Multiple Classifier Boosting for Perceptual Co-clustering of Images and Visual Features

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）

MPL,MIL和MCL相关推荐

【模式识别】MPL,MIL和MCL
Multi-Instance Learning (MIL) 和Multi-Pose Learning (MPL)是CV的大牛Boris Babenko at UC San Diego提出来的.其思想能 ...
Udacity机器人软件工程师课程笔记（三十三) - 蒙特卡洛定位算法（MCL）
一.概述之前的文章介绍过卡尔曼滤波算法进行定位,我们知道kalman算法适合用于线性的高斯分布的状态环境中,我们也介绍了EKF,来解决在非高斯和非线性环境下的机器人定位算法.但是他们在现实应用中存在 ...
自动驾驶测试：MIL、SIL、PIL、HIL
1. 基于模型的设计基于模型的设计方法(MBD,Model Based Design)采用图形化设计和自动化代码生成,不同于基于手工编程和纸上规范的传统编程方法,具有如下优点: 在统一的开发测试平台 ...
模式识别 - 处理多演示样例学习(MIL)特征(matlab)
处理多演示样例学习(MIL)特征(matlab) 本文地址: http://blog.csdn.net/caroline_wendy/article/details/27206325 多演示样例学习( ...
机器人学习--粒子滤波/MCL定位的理论基础（先验知识）
跨学科(未学过数理统计和滤波等课程)的研究人员看懂粒子滤波或MCL定位的理论 2019年剑桥大学一名教授 Simon Godsill 发表了一篇论文: Godsill S. Particle filt ...
机器人学习--粒子滤波SLAM/MCL定位参考资料+学习经验
学习材料1: <概率机器人学> 谷歌无人驾驶之父 Sebastian Thrun等人著作. 注释: 可能是本人智商有限,或者是移动机器人学领域的基础知识了解不多. 刚刚看这本书的时候,尤其 ...
boost::mpl::times相关的测试程序
boost::mpl::times相关的测试程序实现功能 C++实现代码实现功能 boost::mpl::times相关的测试程序 C++实现代码 #define BOOST_RATIO_EXTE ...
boost::mpl::sign相关的测试程序
boost::mpl::sign相关的测试程序实现功能 C++实现代码实现功能 boost::mpl::sign相关的测试程序 C++实现代码 #define BOOST_RATIO_EXTENS ...
boost::mpl::plus相关的测试程序
boost::mpl::plus相关的测试程序实现功能 C++实现代码实现功能 boost::mpl::plus相关的测试程序 C++实现代码 #define BOOST_RATIO_EXTENS ...

MPL,MIL和MCL

（转载请注明作者和出处：http://blog.csdn.net/xiaowei_cqu 未经允许请勿用于商业用途）

MPL,MIL和MCL相关推荐

最新文章

热门文章