估计深度图辅助图像分类
计算机视觉与模式识别
2017-09-22 v1 机器学习
摘要
我们考虑利用估计深度的图像分类问题。该问题属于迁移学习领域，因为我们使用在一组深度图像上训练的模型来生成深度图（附加特征），以供另一个使用不相交图像集的分类问题使用。由于没有提供直接的深度信息，这具有挑战性。尽管深度估计已被广泛研究，但尚未有人尝试利用估计的深度来辅助图像分类。因此，我们提出了一种方法，将深度估计的领域知识迁移到在互不相交的训练集和测试集上的另一个独立图像分类任务中。我们基于 RGB 数据集构建了一个 RGBD 数据集，并在其上进行图像分类。然后评估神经网络在 RGBD 数据集上相较于 RGB 数据集的性能。从我们的实验来看，对于浅层和深层网络，收益都是显著的。它使 ResNet-20 提高了 0.55%，使 ResNet-56 提高了 0.53%。我们的代码和数据集已公开提供。
引用
@article{arxiv.1709.07077,
title = {Estimated Depth Map Helps Image Classification},
author = {Yihui He},
journal= {arXiv preprint arXiv:1709.07077},
year = {2017}
}