深度渔猎：来自深度网络的梯度特征
计算机视觉与模式识别
2015-07-24 v1
摘要
卷积网络 (ConvNets) 近来凭借从原始像素端到端学习深度前馈模型，提升了图像识别性能。深度学习与此前最先进的方法——依赖于对局部手工特征进行梯度编码的 Fisher Vector (FV)——有着显著不同。在本文中，我们探讨了这两种方法之间的一种新颖联系。首先，我们展示可以以类似于 FV 的方式从 ConvNets 中导出梯度表示。其次，我们表明这种梯度表示实际上对应于一种允许高效相似度计算的结构化矩阵。我们通过实验研究了在 ConvNet 各层输出之上迁移这种表示的益处，并在 Pascal VOC 2007 和 2012 数据集上发现了一致的改进。
引用
@article{arxiv.1507.06429,
title = {Deep Fishing: Gradient Features from Deep Nets},
author = {Albert Gordo and Adrien Gaidon and Florent Perronnin},
journal= {arXiv preprint arXiv:1507.06429},
year = {2015}
}
备注
To appear at BMVC 2015