基于单标签图像标注的损失函数分析Loss Function Analysis Based on Single Label Image Annotation
邓建国,张素兰
摘要(Abstract)：
图像标注作为有监督学习的一个典型应用,一直深受研究者的关注。图像标注模型中度量图像样本损失函数的合适选取,对提升图像标注模型的预测准确率,具有重要的指导作用。从分析损失函数对模型预测性能影响的角度出发,首先对基于神经网络的单标签图像标注方法,在MNIST数据集下,通过更换神经网络模型的损失函数,对比研究了有监督学习中常用损失函数度量样本的性能差异,然后给出了一种新的损失函数,最后实验验证了该损失函数的有效性。为有监督学习算法中损失函数的有效构造,提高图像标注性能提供了一种思路。
关键词(KeyWords)： 有监督学习;损失函数;图像标注
基金项目(Foundation): 国家自然科学基金(61373099)
作者(Author): 邓建国,张素兰
参考文献(References)：
- [1] GU S,ZHANG L,ZUO W,et al.Projective dictionary pair learning for pattern classification[C]//NIPS 2014:Proceedings of the 2014 Annual Conference on Neural Information Processing Systems.Cambridge:MIT,2014:793-801.
- [2] 高子翔,张宝华,吕晓琪,等.基于自适应池化的双路卷积神经网络图像分类算法[J].计算机工程与设计,2019,40(5):142-146.
- [3] YU H F,JAIN P,KAR P,et al.Large-scale Multi-label Learning with Missing Labels[C]// International Conference on Machine Learning,Beijing:2013.
- [4] 应自炉,龙祥.多尺度密集残差网络的单幅图像超分辨率重建[J].中国图象图形学报,2019,24(3):410-419.
- [5] SHALEV-SHWARTZ S,SHAMIR O,SRIDHARAN K,et al.Learning Kernel-Based Halfspaces with the Zero-One Loss[C]//Conference on Learning Theory,2010:441-450.
- [6] VERMA Y,JAWAHAR C V.Exploring SVM for Image Annotation in Presence of Confusing Labels[C]//British Machine Vision Conference,UK,Bristol,2013.
- [7] 毛毅,陈稳霖,郭宝龙,等.基于密度估计的逻辑回归模型[J].自动化学报,2014,40(1):62-72.
- [8] HU H,ZHOU G T,DENG Z,et al.Learning structured inference neural networks with label relations[C]//Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition,USA,Las Vegas,2016:2960-2968.
- [9] VEDALDI A,LENC K.MatConv Net-Convolutional Neural Networks for MATLAB[C]//Acm Multimedia,2015:689-692.