More Related Content
Similar to Pn learning takmin (20)
More from Takuya Minagawa (18)
Pn learning takmin
- 3. 紹介する論文
3
P-N Learning: Bootstrapping Binary Classifiers by
Structural Constraints
Z. Kalal, J. Matas, K. Mikolajczyk
CVPR 2010
P-N Learningという二値分類を行う識別器をラベルなし
サンプルから学習させるパラダイムの定式化
やってることはトラッキングだけど、論文自体はもっと上段に
構えてる
デモ動画
https://www.youtube.com/watch?v=1GhNXHCQGsM
OpenCV3.0に実装される予定
- 21. 収束条件
21
False Positive数
False Negative数
𝛼 𝑘 + 1 = 𝛼 𝑘 − 𝑛 𝑐
−
𝑘 + 𝑛 𝑓
+
𝑘
𝑘: 学習回数
𝛽 𝑘 + 1 = 𝛽 𝑘 − 𝑛 𝑐
+
𝑘 + 𝑛 𝑓
−
𝑘
False Positive
を正しく負例と
変換した数
True Negative
を誤って正例
と変換した数
False Negative
を正しく正例と
変換した数
True Positive
を誤って負例
と変換した数
(1a)
(1b)
- 22. 収束条件
22
P-Precision
𝑃+ =
𝑛 𝑐
+
𝑛 𝑐
+
+ 𝑛 𝑓
+
𝑃− =
𝑛 𝑐
−
𝑛 𝑐
−
+ 𝑛 𝑓
−
𝑅+ =
𝑛 𝑐
+
𝛽 𝑘
𝑅−
=
𝑛 𝑐
−
𝛼 𝑘
P-Recall
N-Precision N-Recall
False Positive
を正しく負例と
変換した数
True Negative
を誤って正例と
変換した数
False Negative
を正しく正例と
変換した数
True Positive
を誤って負例
と変換した数
False Negative数
False Positive数
これらを前の式(1a),(1b)へ代入
- 23. 収束条件
23
𝛼 𝑘 + 1
𝛽 𝑘 + 1
=
1 − 𝑅−
1 − 𝑃+
𝑃+
𝑅+
1 − 𝑃−
𝑃−
𝑅− 1 − 𝑅+
𝛼 𝑘
𝛽 𝑘
(2)
固有値が1より小さいとき収束する
𝛼 𝑘 + 1 = 𝛼 𝑘 − 𝑛 𝑐
−
𝑘 + 𝑛 𝑓
+
𝑘
𝛽 𝑘 + 1 = 𝛽 𝑘 − 𝑛 𝑐
+
𝑘 + 𝑛 𝑓
−
𝑘
(1a)
(1b)