D-PCN：基于判别器的并行卷积网络用于图像识别
计算机视觉与模式识别
2018-03-15 v3 机器学习
摘要
本文介绍一种简单但十分有效的识别框架 D-PCN，旨在增强 CNN 的特征提取能力。该框架由两个并行 CNN、一个判别器以及一个额外分类器组成，后者接收来自并行网络的融合特征并给出最终预测。判别器是核心，其驱动并行网络关注不同区域并学习互补表示。文中引入了相应的联合训练策略以确保判别器的利用。我们在两个基准数据集 CIFAR-100 和 ImageNet32x32 上用若干 CNN 模型验证 D-PCN，其增强了所有模型。特别是在 CIFAR-100 上相较相关工作需要取得了最先进的性能。我们还在细粒度 Stanford Dogs 数据集上进行了可视化实验并验证了动机。此外，我们将 D-PCN 应用于 PASCAL VOC 2012 上的分割任务，同样发现了性能提升。
引用
@article{arxiv.1711.04237,
title = {D-PCN: Parallel Convolutional Networks for Image Recognition via a Discriminator},
author = {Shiqi Yang and Gang Peng},
journal= {arXiv preprint arXiv:1711.04237},
year = {2018}
}
备注
20 pages, 8 figures, 7 tables