[論文レビュー] MIS-Boost: Multiple Instance Selection Boosting

Emre Akbaş, Bernard Ghanem+1 more|arXiv (Cornell University)|Sep 12, 2011

Image Retrieval and Classification Techniques参考文献 28被引用数 5

ひとこと要約

MIS-Boost は、ブースティングフレームワーク内での明示的なインスタンス選択を通じて、特徴空間内の任意の点としての判別的インスタンスプロトタイプを学習する、新しい複数インスタンス学習手法である。プロトタイプは特徴空間内の任意の点として取りうるほか、1つのバッグあたりのプロトタイプ数や選択インスタンス数をデータ駆動的に決定できる。この手法は、ベンチマークデータセットにおいて最先端のMIL手法を上回り、大規模画像分類タスクにおいて学習されたプロトタイプが視覚的に意味のある画像領域に対応することを示している。

ABSTRACT

In this paper, we present a new multiple instance learning (MIL) method, called MIS-Boost, which learns discriminative instance prototypes by explicit instance selection in a boosting framework. Unlike previous instance selection based MIL methods, we do not restrict the prototypes to a discrete set of training instances but allow them to take arbitrary values in the instance feature space. We also do not restrict the total number of prototypes and the number of selected-instances per bag; these quantities are completely data-driven. We show that MIS-Boost outperforms state-of-the-art MIL methods on a number of benchmark datasets. We also apply MIS-Boost to large-scale image classification, where we show that the automatically selected prototypes map to visually meaningful image regions.

研究の動機と目的

• 既存の複数インスタンス学習（MIL）手法がプロトタイプを学習インスタンスに制限し、1バッグあたりの選択インスタンス数を固定しているという制限を解消すること。
• プロトタイプ学習と分類器学習が独立して処理されることでモデル容量が制限される問題を克服すること。
• ブースティングフレームワーク内でプロトタイプと分類器を統合的に学習することで、より優れた判別性能を得るMIL手法を開発すること。
• プロトタイプ数や1バッグあたりの選択インスタンス数を事前の制約なしに完全にデータ駆動的に選択可能にする仕組みを提供すること。
• 大規模画像分類タスクにおいて、学習されたプロトタイプが視覚的に意味のある画像領域に対応することを実証すること。

提案手法

• MIS-Boost は、各弱学習器がプロトタイプに基づく分類器であり、各反復で新しいプロトタイプを選択するブースティングフレームワークを採用する。
• 各反復において、誤分類履歴に基づいて重み付けされた正例バッグと負例バッグを最大限に区別するプロトタイプを学習する。
• プロトタイプは学習インスタンスに制限されず、インスタンス特徴空間内の任意の値を取りうるため、連続的最適化が可能である。
• 総プロトタイプ数および1バッグあたりの選択インスタンス数は、固定制約なしにデータによって適応的に決定される。
• 最終的な強学習分類器は、各学習プロトタイプに対応する弱学習分類器の線形結合によって構成される。
• インスタンス選択は各バッグごとに明示的に行われ、最終意思決定に寄与するのは最も判別能の高いインスタンスのみである。

実験結果

リサーチクエスチョン

• RQ1 プロトタイプ選択と分類器学習を統合的に最適化することで、性能を向上させられるMIL手法は存在するか？
• RQ2 プロトタイプを学習インスタンスに制限せず、特徴空間内で連続的であることを許容することで、より優れた判別性能が得られるか？
• RQ3 プロトタイプ数や1バッグあたりの選択インスタンス数を事前の制約なしにデータ駆動的に決定できるか？
• RQ4 大規模画像分類タスクにおいて、自動的に学習されたプロトタイプは視覚的に意味のある判別的画像領域に対応するか？
• RQ5 MIS-Boost は、ベンチマークおよび実世界のデータセットにおいて、最先端のMIL手法と比較してどのように性能を発揮するか？

主な発見

• MIS-Boost は複数のベンチマークデータセットにおいて最先端のMIL手法を上回り、優れた一般化性能と判別能力を示した。
• PASCAL VOC 2007 データセットにおいて、'aeroplane' クラスでは平均精度（AP）スコアが 0.55 を達成し、ベースラインMIL手法を上回った。
• 'bicycle' ではAPスコアが 0.28、'tvmonitor' では 0.36 を記録し、不均衡で大規模なデータセットにおいても一貫した性能を示した。
• 可視化結果から、MIS-Boost が選択した最も判別能の高いインスタンスが、ターゲットオブジェクトと重複する意味のある画像領域に対応することが確認された。
• 背景がごみだらけの困難なケースでは、オブジェクト領域以外の領域を誤って選択する場合があり、文脈モデリングの限界が示された。
• 研究者は PASCAL VOC MIL形式のデータセットおよび可視化コードを公開しており、今後のMIL手法のベンチマークに役立つ。