卷积神经网络是否学习到了对应关系？
计算机视觉与模式识别
2015-03-10 v1 机器学习
神经与进化计算
摘要
在大规模标注数据集上训练的卷积神经网络 (convnets) 大幅提升了图像分类和目标检测的最先进水平 (SOTA)。然而，视觉理解需要在比物体类别更细的粒度上建立对应关系。鉴于其较大的池化区域和基于整图标签的训练，目前尚不清楚 convnets 的成功是否源于一个可用于精确定位的准确对应模型。在本文中，我们研究了 convnet 激活特征在需要对应关系的任务中的有效性。我们提供的证据表明，convnet 特征的定位尺度远小于其感受野大小，它们可以像传统手工设计特征一样执行类内对齐，并且在 PASCAL VOC 2011 数据集的目标关键点预测任务中优于传统特征。
引用
@article{arxiv.1411.1091,
title = {Do Convnets Learn Correspondence?},
author = {Jonathan Long and Ning Zhang and Trevor Darrell},
journal= {arXiv preprint arXiv:1411.1091},
year = {2015}
}