基於資料驅動的半監督**檢測方法，用於實現人體影象的魯棒**檢測。
先前的方法是嘗試在不同的色彩空間建模**顏色，並且訓練**分類器。但是這個方法依賴**顏色的分布，而且沒有語義資訊，所以效能不佳。
改進辦法，通過身體檢測為嚮導來提公升**檢測的效能，如果乙個身體掩模mask可用，那麼對於**檢測有兩個好處：
好處一：為**檢測器提供乙個先驗資訊，其中**的較高頻率是固定的
好處二：檢測到乙個**掩模之後，可以過濾掉背景中的假陽性畫素
把**掩模作為嚮導，身體檢測器還可以獲得其他資訊，為了實現互嚮導，設計雙任務神經網路，同時檢測**和身體。
整個網路包含乙個共享的編碼器，但是**檢測和身體檢測各有乙個解碼器，乙個解碼器的輸出作為另乙個解碼器的輸入，形成乙個閉環。
這兩個檢測器共享的編碼器，將從輸入影象中提取共同的特徵圖。
用基於雙任務的全卷積神經網路實現，輸入是單一的rgb影象，輸出是**和身體各自的概率圖。
半監督學習的簡單介紹
半監督分類 semi supervised classification 同時利用大量無標號樣本和少量標號樣本進行分類學習，以獲得比僅利用標號樣本的監督分類學習更好的分類效能。目前的半監督分類方法可大致分為四大類 生成式 generative 方法 大間隔半監督分類方法 基於圖的半監督分類方法 協同...
機器學習中的有監督學習，無監督學習，半監督學習
在機器學習 machine learning 領域，主要有三類不同的學習方法 監督學習 supervised learning 非監督學習 unsupervised learning 半監督學習 semi supervised learning 監督學習 通過已有的一部分輸入資料與輸出資料之間的對應...
有監督學習 無監督學習和半監督學習的區別
1 特徵 feature 資料的特徵。舉例 書的內容 2 標籤 label 資料的標籤。舉例 書屬於的類別，例如 計算機 圖形學 英文書 教材 等。舉例 把很多書交給乙個學生，培養他給書本分類的能力。4 分類 classification 定性輸出稱為分類，或者說是離散變數 舉例 明天是陰 晴還是雨...