通过多类跨分支正则化解耦语义上下文与颜色相关性
计算机视觉与模式识别
2020-08-09 v2
摘要
本文提出一种用于构建轻量且快速的视觉应用 DNN 架构的新颖设计方法。该架构的有效性在色彩恒常性（相机与成像流水线中的固有模块）用例上得到展示。具体地，我们提出一种多分支架构，将图像中的上下文特征与颜色属性分离，随后将其结合以预测全局属性（如全局光照）。我们还通过设计跨分支正则化模块提出了一种隐式正则化技术，使网络保持高泛化精度。通过保守地使用最佳计算算子，所提架构以少 30 倍的模型参数和快 70 倍的推理时间实现了色彩恒常性的 SOTA 精度。研究还表明，所提架构具有通用性，并在低光摄影等其他视觉应用中取得了类似的效率。
引用
@article{arxiv.1810.07901,
title = {Decoupling Semantic Context and Color Correlation with multi-class cross branch regularization},
author = {Vishal Keshav and Tej Pratap GVSL},
journal= {arXiv preprint arXiv:1810.07901},
year = {2020}
}
备注
In submission