用于图像识别的可微分块选择
计算机视觉与模式识别
2021-04-08 v1 人工智能
机器学习
机器学习
摘要
神经网络处理高分辨率图像需要大量内存与计算，即便图像中仅一小部分对当前任务真正具有信息量。我们提出一种基于可微分Top-K算子的方法，以选择输入中最相关的部分来高效处理高分辨率图像。我们的方法可与任何下游神经网络对接，能够以灵活方式聚合不同块的信息，并允许通过反向传播对整个模型进行端到端训练。我们在交通标志识别、块间关系推理和细粒度识别上展示了结果，且训练时未使用物体/部件边界框标注。
引用
@article{arxiv.2104.03059,
title = {Differentiable Patch Selection for Image Recognition},
author = {Jean-Baptiste Cordonnier and Aravindh Mahendran and Alexey Dosovitskiy and Dirk Weissenborn and Jakob Uszkoreit and Thomas Unterthiner},
journal= {arXiv preprint arXiv:2104.03059},
year = {2021}
}
备注
Accepted to IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2021. Code available at https://github.com/google-research/google-research/tree/master/ptopk_patch_selection/