用于动态纹理识别的时空定向能量网络
计算机视觉与模式识别
2017-08-23 v1
摘要
本文提出了一种用于时空图像分析的全新分层时空定向表示。它旨在结合 ConvNets 的多层架构优势与一种更受控的时空分析方法。该方法的一个显著特点是，与大多数现代卷积网络不同，它不涉及任何学习；相反，所有设计决策均基于理论动机进行解析指定。这种方法使我们能够理解在处理的每个阶段和每一层中提取了什么信息，并最小化设计中的启发式选择。该网络的另一个关键方面是其递归特性，即每层处理的输出会反馈到输入端。为了控制各层间的网络规模，提出了一种全新的跨通道特征池化方法。由此产生的多层架构系统地揭示了视觉时空的多尺度、多定向特性所构成的分层图像结构。为了说明其效用，该网络被应用于动态纹理识别任务。在多个标准数据集上的实证评估表明，它创造了新的 state-of-the-art。
引用
@article{arxiv.1708.06690,
title = {A Spatiotemporal Oriented Energy Network for Dynamic Texture Recognition},
author = {Isma Hadji and Richard P. Wildes},
journal= {arXiv preprint arXiv:1708.06690},
year = {2017}
}
备注
accepted at ICCV 2017