用于图像美学评估的脑启发深度网络
计算机视觉与模式识别
2016-03-16 v2 机器学习
神经与进化计算
摘要
图像美学评估因其主观性而一直具有挑战性。受人类视觉感知与神经美学科学进展的启发，我们设计了用于该任务的脑启发深度网络（Brain-Inspired Deep Networks, BDN）。BDN首先通过并行监督通路在多种选定特征维度上学习属性。一个高层合成网络被训练用于将那些属性关联并转换为整体美学评分。由于美学评分通常是主观的，我们随后将BDN扩展至预测人类评分的分布。另一亮点是我们在美学评估背景下对标签保持变换的首次研究，其产生了一种有效的数据增强方法。在AVA数据集上的实验结果表明，与其他具有相同或更高级参数容量的state-of-the-art模型相比，我们受生物学启发且任务特定的BDN模型获得了显著的性能提升。
引用
@article{arxiv.1601.04155,
title = {Brain-Inspired Deep Networks for Image Aesthetics Assessment},
author = {Zhangyang Wang and Shiyu Chang and Florin Dolcos and Diane Beck and Ding Liu and Thomas S. Huang},
journal= {arXiv preprint arXiv:1601.04155},
year = {2016}
}