从近似图像处理流水线引导深度神经网络
计算机视觉与模式识别
2019-02-19 v2
摘要
复杂的图像处理和计算机视觉系统通常由功能模块的处理流水线组成。我们旨在用深度神经网络替换目标流水线的部分或全部，以获得诸如提高精度或降低计算需求等益处。为获取训练深度神经网络所需的大量标注数据，我们提出了一种工作流，该工作流利用目标流水线自动创建显著更大的标注训练集，而无需目标流水线的先验领域知识。我们通过实验表明，尽管自动标注引入了噪声且仅使用了非常小的初始标注数据集，训练得到的深度神经网络仍能达到与其所替换组件相似甚至更好的性能，同时在某些情况下还降低了计算需求。
引用
@article{arxiv.1811.12108,
title = {Bootstrapping Deep Neural Networks from Approximate Image Processing Pipelines},
author = {Kilho Son and Jesse Hostetler and Sek Chai},
journal= {arXiv preprint arXiv:1811.12108},
year = {2019}
}
备注
6 pages, 5 figures