深度属性网络
计算机视觉与模式识别
2012-11-29 v3 机器学习
机器学习
摘要
获取紧凑且具有判别力的特征是许多现实世界图像分类任务（如人脸验证和目标识别）的主要挑战之一。一种可能的方法是基于人类可理解的高层语义特征来表示输入图像。本文提出了一种称为深度属性网络（DAN）的模型来解决这一问题。对于输入图像，该模型在不执行任何分类的情况下输出图像的属性。我们使用 LFW 和 a-PASCAL 数据集，在无约束人脸验证和现实世界目标识别任务上评估了所提模型的有效性。通过展示与现有最先进结果相当的结果，我们证明了深度学习在基于属性的分类方面的潜力。一旦经过适当训练，DAN 速度很快，并且无需计算那些可能不可靠且计算成本高昂的低层特征。
引用
@article{arxiv.1211.2881,
title = {Deep Attribute Networks},
author = {Junyoung Chung and Donghoon Lee and Youngjoo Seo and Chang D. Yoo},
journal= {arXiv preprint arXiv:1211.2881},
year = {2012}
}
备注
This paper has been withdrawn by the author due to a crucial grammatical errors