무작위 이진 매핑으로 빠른 커널 학습과 효율적인 SVM 구현
본 논문은 이미지 특징에 대해 무작위 결정 스텀프(이진 매핑)를 대량 생성하고, 각 매핑에 가중치를 학습함으로써 새로운 커널(MBKL)을 구성한다. 이 커널은 기존 커널 선택 문제를 완화하고, 학습·테스트 단계에서 선형 시간 복잡도로 SVM을 수행할 수 있게 한다. 6개의 비전 벤치마크에서 히스토그램, 속성, 희소 양자화 등 다양한 디스크립터에 적용했으며, 각 디스크립터에 최적화된 기존 커널과 동등한 정확도를 달성하면서도 효율적인 연산 속도를 …
저자: Gemma Roig, Xavier Boix, Luc Van Gool
본 논문은 이미지 분류에 널리 사용되는 서포트 벡터 머신(SVM)의 핵심 문제인 적절한 커널 선택과 계산·메모리 효율성을 동시에 해결하고자 한다. 이를 위해 저자들은 ‘Multiple Binary Kernel Learning(MBKL)’이라는 새로운 커널 학습 방법을 제안한다. MBKL은 입력 피처를 다수의 무작위 이진 매핑(Decision Stump)으로 변환하고, 각 매핑에 대해 이진 커널 ˆK_k(x,x′)=I
원본 논문
고화질 논문을 불러오는 중입니다...
댓글 및 학술 토론
Loading comments...
의견 남기기