DeCAF：一种用于通用视觉识别的深度卷积激活特征
计算机视觉与模式识别
2013-10-08 v1
摘要
我们评估了从在大型固定物体识别任务集上以全监督方式训练的深度卷积网络的激活中提取的特征，是否可以被重新用于新的通用任务。我们的通用任务可能与最初训练的任务显著不同，并且可能缺乏足够的标记或未标记数据来常规地训练或调整深度架构以适应新任务。我们研究并可视化了深度卷积特征相对于各种此类任务（包括场景识别、域适应和细粒度识别挑战）的语义聚类。我们比较了依赖不同网络层级来定义固定特征的有效性，并报告了在几个重要视觉挑战上显著优于最先进水平 (SOTA) 的新结果。我们正在发布 DeCAF，这是这些深度卷积激活特征的开源实现，以及所有相关的网络参数，以使视觉研究人员能够在各种视觉概念学习范式下进行深度表示的实验。
引用
@article{arxiv.1310.1531,
title = {DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition},
author = {Jeff Donahue and Yangqing Jia and Oriol Vinyals and Judy Hoffman and Ning Zhang and Eric Tzeng and Trevor Darrell},
journal= {arXiv preprint arXiv:1310.1531},
year = {2013}
}