用于纹理识别、描述和分割的深度滤波器组

视觉纹理在图像理解中扮演了关键角色，因为它们传达了图像的重要语义，并且以无序方式汇聚局部图像描述子的纹理表示在多种应用中产生了巨大影响。在本文中，我们对纹理理解做出了若干贡献。首先，我们不再专注于纹理实例和材质类别识别，而是提出了一套人类可解释的纹理属性词汇来描述常见纹理模式，并辅以一个新的可描述纹理数据集用于基准测试。其次，我们着眼于在现实成像条件下识别材质和纹理属性的问题，包括纹理出现在杂乱背景中的情形，并在最近提出的 OpenSurfaces 数据集之上开发了相应的基准。第三，我们在深度学习的背景下重新审视了经典的纹理表示，包括视觉词袋和 Fisher 向量，并证明如果将深度模型的卷积层用作滤波器组，这些表示具有出色的效率和泛化性能。通过这种方式，我们在远超纹理的众多数据集上获得了最先进的性能，得到了一种将深度特征高效应用于图像区域的方法，并在将特征从一个领域迁移到另一个领域时获益。