Spectral attribute learning for visual regression

تعدادی از مشکلات بینایی کامپیوتر مانند تخمین سن، شمارش جمعیت و برآورد پوسته می تواند با استفاده از نقشه برداری رگرسیون یادگیرنده در خصوص ویژگی های تصویری پایین سطح حل شود. ما نشان می دهیم که رگرسیون بصری می تواند به طور قابل ملاحظه ای با رگرسیون دو مرحله ای بهبود یابد که در آن ویژگی های تصویری برای اولین بار به یک فضای مشخصه که به طور صریح همبستگی های پنهان در خروجی مداوم در حال تغییر است، طراحی شده است. ما یک رویکرد به طور خودکار کشف ویژگی های طیفی پیشنهاد می کنیم؟ که از کار دستی که برای تعریف بازنویسی صفت دست ساخته شده اجتناب می کند. رگرسیون ویژگی ویژوال از رگرسیون بصری مستقیم بهتر است و رگرسیون بصری ویژگی طیفی ما به بهترین وجه در چندین برنامه کاربردی به دست می آید.