目标不同视角下观察信息的迁移和再利用.pdfVIP

1302 E·mail：jig@irsa．ac．crl Website：www．cjig．C11 1．eI：010 中图法分类号：TP391．4文献标识码：A 文章编号：1006—8961(2013)10．1302—05 lO．1 1834／jig 目标不同视角下观察信息的迁移和再利用 张索非，吴海洋，吴镇扬 东南大学信息科学与工程学院，南京210096 摘要：基于视觉信息的目标检测和识别模型在训练时往往依赖于来自于训练样本的视角信息，然而附带了视角 信息的训练样本通常只有很少的数据库可以提供。当此类信息缺失时，传统的通用目标检测系统通常通过一些非 监督学习方法来对样本的视角信息进行粗略估计。本文改进并引入了一种选择性迁移学习方法即TransferBoost方 的先验信息来提升当前类别样本的学习质量。当给定一个标定完善的样本集作为源数据库时，TransferBoost同时 调整每个样本的权值和每个源任务的权值，实现样本级和任务级的两级知识迁移。这种双层迁移学习更有效地从 混合了相关源数据和不相关源数据的数据集中提取了有用的信息。实验结果表明，和直接使用传统的机器学习方 法相比较，迁移学习方法所需要的训练样本数大大减少，从而降低了目标检测与识别系统的训练代价，扩展了现有 系统的应用范围。 关键词：迁移学习；集成学习；目标识别；目标检测 and viewinformation Transfer of reusingobject Suofei，Wu Zhang Haiyang，WuZhenyang and School Science ofInformationEngtncering，SoutheastUniversity，Nanjing210096，China visionbased detectionor models ontheviewinformationof Abstract：Conventional mostlydepend target object recognition attachedviewinformationis limitedinseveraldatasets．Whentheviewinformationis examples．However，such usually detectionmodelstolearnthe theviewinformationwith scare，somegenericobject try targetbyevaluating unsupervised methods．Inthis selectivetransfer andintroducedtorelieve learning paper，a