一种用于纹理识别的深度滤波器组自监督学习方法
计算机视觉与模式识别
2026-05-28 v1
摘要
纹理识别中的一个重要挑战是实际应用中经常遇到的训练数据量有限。在计算机视觉中，缓解此问题的一个成功策略是使用预训练阶段，在该阶段神经网络以自监督方式学习识别数据各部分之间的关系。一个成熟的框架是掩码自编码器。然而，这些模型通常依赖于计算密集型的架构，例如视觉变换器。在纹理图像的特定情况下，大多数相关信息都压缩在每个像素周围的有限区域内，这表明通过注意力机制捕获长程依赖性可能是不必要的。基于这一假设，我们在此提出一个预训练模型为卷积自编码器的框架。为了利用纹理模式所传达的丰富信息，我们采用了与费舍尔向量池化相结合的深度滤波器。通过这种方式，我们在不增加显著计算负担的情况下提高了纹理识别的性能。我们的方法与不同纹理数据库中的几种最先进方法进行了比较，证实了其在分类精度和计算复杂度方面的潜力。
引用
@article{arxiv.2605.27843,
title = {A self-supervised learning approach to deep filter banks for texture recognition},
author = {Joao B. Florindo and Lucas O. Lyra and Antonio E. Fabris},
journal= {arXiv preprint arXiv:2605.27843},
year = {2026}
}