Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
How to Supervise Topic Models
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP. (CVAP)ORCID-id: 0000-0002-8640-9370
KTH, Skolan för datavetenskap och kommunikation (CSC), Datorseende och robotik, CVAP.ORCID-id: 0000-0002-5750-9655
2014 (Engelska)Ingår i: Computer Vision - ECCV 2014 Workshops: Zurich, Switzerland, September 6-7 and 12, 2014, Proceedings, Part II / [ed] Agapito, Bronstein, Rother, Zurich: Springer Publishing Company, 2014, s. 500-515Kapitel i bok, del av antologi (Refereegranskat)
Abstract [en]

Supervised topic models are important machine learning tools whichhave been widely used in computer vision as well as in other domains. However,there is a gap in the understanding of the supervision impact on the model. Inthis paper, we present a thorough analysis on the behaviour of supervised topicmodels using Supervised Latent Dirichlet Allocation (SLDA) and propose twofactorized supervised topic models, which factorize the topics into signal andnoise. Experimental results on both synthetic data and real-world data for computer vision tasks show that supervision need to be boosted to be effective andfactorized topic models are able to enhance the performance.

Ort, förlag, år, upplaga, sidor
Zurich: Springer Publishing Company, 2014. s. 500-515
Nyckelord [en]
Topic Modeling, SLDA, LDA, Factorized Supervised Topic Models
Nationell ämneskategori
Datorseende och robotik (autonoma system)
Forskningsämne
Datalogi
Identifikatorer
URN: urn:nbn:se:kth:diva-152691DOI: 10.1007/978-3-319-16181-5_39ISI: 000362495500039Scopus ID: 2-s2.0-84928801474ISBN: 978-3-319-16181-5 (tryckt)OAI: oai:DiVA.org:kth-152691DiVA, id: diva2:751417
Konferens
European Conference on Computer Vision (ECCVws 2014, GMCV),Zurich, September 6-12, 2014
Forskningsfinansiär
Vetenskapsrådet
Anmärkning

QC 20141024

Tillgänglig från: 2014-10-01 Skapad: 2014-10-01 Senast uppdaterad: 2018-01-11Bibliografiskt granskad

Open Access i DiVA

ECCVws(1972 kB)131 nedladdningar
Filinformation
Filnamn FULLTEXT01.pdfFilstorlek 1972 kBChecksumma SHA-512
c2a76c85c471cbd914b4bb32f033b4ef44c7f1cd9c5295aa130dc9579dbf1e93388ee18c799b1c6d61e53603f4818042d4844888d92ab5d4403e9e3497b211d1
Typ fulltextMimetyp application/pdf

Övriga länkar

Förlagets fulltextScopusConference websiteThe final publication is available at www.springerlink.com

Personposter BETA

Zhang, ChengKjellström, Hedvig

Sök vidare i DiVA

Av författaren/redaktören
Zhang, ChengKjellström, Hedvig
Av organisationen
Datorseende och robotik, CVAP
Datorseende och robotik (autonoma system)

Sök vidare utanför DiVA

GoogleGoogle Scholar
Totalt: 131 nedladdningar
Antalet nedladdningar är summan av nedladdningar för alla fulltexter. Det kan inkludera t.ex tidigare versioner som nu inte längre är tillgängliga.

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 265 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf