用于语义分割的深度结构化特征
计算机视觉与模式识别
2017-06-19 v3 机器学习
摘要
我们提出了一种用于语义分割的高度结构化神经网络架构，其模型尺寸极小，适用于低功耗嵌入式和移动平台。具体而言，我们的架构结合了 i) 基于 Haar 小波的树状卷积神经网络（CNN），ii) 实现径向基函数核近似的随机层，以及 iii) 线性分类器。虽然阶段 i) 和 ii) 是完全预先指定的，但只有线性分类器是从数据中学习的。我们将所提出的架构应用于户外场景和航空图像的语义分割，并表明我们架构的准确率与传统的像素分类 CNN 相当。此外，我们证明了所提出的架构在数据上是高效的，即在更小的数据集上训练时能够达到与像素分类 CNN 相当的准确率。
引用
@article{arxiv.1609.07916,
title = {Deep Structured Features for Semantic Segmentation},
author = {Michael Tschannen and Lukas Cavigelli and Fabian Mentzer and Thomas Wiatowski and Luca Benini},
journal= {arXiv preprint arXiv:1609.07916},
year = {2017}
}
备注
EUSIPCO 2017, 5 pages, 2 figures