【计算机视觉】多示例学习

【计算机视觉】多示例学习

问题描述

有这样的训练数据，给定的标签是按照包 bag 来组织的，也就是说 positive 的包至少含有一个正样本，而 negative 的包中都是负样本。如何训练模型实现良好的分类效果？这正是多示例学习所研究的问题设定。

在应用中的对照

特别是目标检测、跟踪中，负样本很好选取，而最优正样本则很难。通常正样本的选取是在标记的矩形框附近做一些扰动，得到一堆儿框放入 positive bag中，总有一个是最佳的。

求解方法

如果所有的样本标记已知，那问题就转化为监督学习的问题。所以问题是正样本包中只能保证有一个是正样本，而且并不知道是哪一个？

解决方法就是迭代优化：假设知道了所有样本标记，用监督学习得到一个分类模型，然后通过这个分类模型对正样本进行预测，然后更新它们的标记，之后就可以继续进行模型训练。就这样两个步骤，EM steps：监督学习，标记更新。

注意点：

• 监督训练模型的时候，只从正样本包中挑选最正确的（分类得分最高）的那个。正样本包中的其它样本，不管是正的还是负的，通通不