多样化推理路径选择：用于地标识别的 Moving-Mobile-Network
计算机视觉与模式识别
2019-12-03 v1
摘要
深度卷积神经网络已极大惠及计算机视觉任务。然而，其高计算复杂度限制了在现实世界中的应用。为此，已提出许多方法用于高效网络学习及在便携移动设备上的应用。本文提出一种新颖的 Moving-Mobile-Network（记为 MNet），用于地标识别，并为每幅地标图像配备了对应的地理信息。我们直观地发现，MNet 本质上能促进推理路径（所选块子集）选择的多样性，从而提升识别精度。上述直觉通过我们提出的以地理定位和地标为输入的奖励函数得以实现。我们还发现，其他便携网络的性能也可通过我们的架构得到提升。我们构建了两个地标图像数据集，每个地标均关联地理信息，并在其上进行了大量实验，表明 MNet 在复杂度相当的情况下取得了更高的识别精度。
引用
@article{arxiv.1912.00418,
title = {Diversifying Inference Path Selection: Moving-Mobile-Network for Landmark Recognition},
author = {Biao Qian and Yang Wang and Zhao Zhang and Richang Hong and Meng Wang and Ling Shao},
journal= {arXiv preprint arXiv:1912.00418},
year = {2019}
}
备注
9 pages, 11 figures