व्यवधान पूर्वाग्रह के साथ स्वचालित कैस्केड प्रशिक्षण

कैस्केड आर्किटेक्चर पर आधारित चेहरा पहचान विधियों ने तेज और मजबूत प्रदर्शन प्रदर्शित किया है। कैस्केड शिक्षण आर्किटेक्चर की मौड्यूलरिटी द्वारा सहायता प्राप्त करता है जिसमें नोड्स को एक साथ जोड़ा गया है ताकि एक कैस्केड बनाया जा सके। इस पत्र में हम दो नए कैस्केड शिक्षण परिणाम प्रस्तुत करते हैं जो कैस्केड शिक्षण कार्य की अलगाव प्रकृति का समाधान करते हैं। पहले, हम एक कैस्केड उदासीनता वक्र ढांचा पेश करते हैं, जो नोड के लिए सीखने के उद्देश्यों को समग्र कैस्केड प्रदर्शन से जोड़ता है। हम नोड शिक्षण के लिए एक नया लागत कार्य निकालते हैं, जो पूरी तरह से स्वचालित रुकने की स्थितियों और बेहतर पहचान प्रदर्शन देती है। दूसरे, हम व्यवधान पूर्वाग्रह के सिद्धांत को प्रस्तुत करते हैं, जो पहचान समस्या में लक्ष्यों और गैर-लक्ष्यों के वर्गों के बीच सांख्यिकीय अंतर का लाभ उठाता है ताकि सुधारित प्रदर्शन और मजबूती प्राप्त की जा सके। हम विधि की सफलता के लिए आवश्यक और पर्याप्त शर्तें निकालते हैं और प्रयोगात्मक परिणाम प्रस्तुत करते हैं।