一种用于草图识别的层次化残差网络与紧凑三元组中心损失
计算机视觉与模式识别
2021-09-29 v1
摘要
随着触摸屏设备的普及，人们在屏幕上绘制草图愈发便捷，由此产生了自动理解草图的需求，使得草图识别任务比以往更为重要。为完成该任务，必须解决提升草图特征区分性的关键问题。为此，我们从三方面着手。首先，设计了一种新颖的多尺度残差块，相比常规基础残差块，它能更好地感知多尺度信息并减少训练参数量。其次，以特定方式堆叠多尺度残差块，构建了层次化残差结构；与单级残差结构相比，该结构学到的特征更为充分。最后同样重要的是，专门针对草图识别任务提出了紧凑三元组中心损失，可解决三元组中心损失在草图领域未充分考虑类内空间过大与类间空间过小的问题。通过上述模块研究，整体提出了一种用于草图识别的层次化残差网络，并在Tu-Berlin基准上进行了充分评估。实验结果表明，该网络优于多数基线方法，且在当前非序列模型中表现优异。
引用
@article{arxiv.2109.13536,
title = {A hierarchical residual network with compact triplet-center loss for sketch recognition},
author = {Lei Wang and Shihui Zhang and Huan He and Xiaoxiao Zhang and Yu Sang},
journal= {arXiv preprint arXiv:2109.13536},
year = {2021}
}