用于像素分类的核心采样框架
计算机视觉与模式识别
2016-12-07 v1 机器学习
摘要
卷积神经网络（CNN）的中间映射响应包含关于图像的信息，可用于提取其上下文知识。本文中，我们提出一个核心采样框架，能够利用来自多个层的这些激活图作为特征，通过迁移学习提供给另一个神经网络，以提供对输入图像的理解。我们的框架创建了一种表示，该表示结合了来自测试数据的特征和从预训练网络响应中获得的上下文知识，对其进行处理，并将其馈送到一个单独的深度信念网络。我们使用这种表示在像素级别从图像中提取更多信息，从而获得对整个图像的理解。我们使用预训练的VGG-16模型，在合成孔径雷达（SAR）图像的BAERI数据集和CAMVID数据集上执行分割，通过实验证明了我们框架的实用性。
引用
@article{arxiv.1612.01981,
title = {Core Sampling Framework for Pixel Classification},
author = {Manohar Karki and Robert DiBiano and Saikat Basu and Supratik Mukhopadhyay},
journal= {arXiv preprint arXiv:1612.01981},
year = {2016}
}