用于计算色彩恒常性的深度结构化输出回归学习
计算机视觉与模式识别
2016-08-12 v2
摘要
计算色彩恒常性要求估计图像的光源颜色，是计算机视觉中一个基础且活跃的问题，该问题可被表述为回归问题。为了学习用于色彩恒常性的稳健回归器，获取有意义的图像特征并捕获输出变量间的潜在相关性起着至关重要的作用。在本工作中，我们引入了一个新颖的深度结构化输出回归学习框架，以同时实现这两个目标。借助最初为视觉识别设计的深度卷积神经网络 (CNN) 的能力，所提出的框架能够在不同光照条件下自动发现用于白平衡的强特征，并学习一个超越特征与目标间潜在关系的多输出回归器，以寻找目标变量不同维度间的复杂相互依赖性。在两个公开基准上的实验表明，与 SOTA 方法相比，我们的方法取得了具有竞争力的性能。
引用
@article{arxiv.1607.03856,
title = {Deep Structured-Output Regression Learning for Computational Color Constancy},
author = {Yanlin Qian and Ke Chen and Joni-Kristian Kamarainen and Jarno Nikkanen and Jiri Matas},
journal= {arXiv preprint arXiv:1607.03856},
year = {2016}
}