类相关性影响基于预训练卷积网络单目标定位
计算机视觉与模式识别
2017-10-30 v2
摘要
目标定位问题已成为视觉领域的主流问题之一。所提出的大多数算法都涉及专门为目标定位设计模型。在本文中，我们探究一个在单一数据集上仅使用全局图像级标签进行目标分类训练得到的预训练标准卷积网络（未经微调），是否可用于在另一个数据集上定位含单个实例的图像中的目标，同时泛化到新颖类别。我们提出一种简单的算法，通过在图像空间中进行裁剪和涂黑区域，称为基于显式图像空间的搜索（Explicit Image Space based Search, EISS），用于在目标定位背景下定位图像中响应最强的区域。EISS 揭示了有趣的现象：随着训练数据中的类别变得更加相关（视觉/语义相似），卷积网络对目标内部特征的响应多于对目标级描述子的响应。
引用
@article{arxiv.1710.09685,
title = {Class Correlation affects Single Object Localization using Pre-trained ConvNets},
author = {Pokkalla Harsha Vardhan and Kunal Sekhri and Dipan K. Pal and Marios Savvides},
journal= {arXiv preprint arXiv:1710.09685},
year = {2017}
}