用于物体识别与检测的深度卷积神经网络特征评估
计算机视觉与模式识别
2015-09-28 v1 人工智能
多媒体
摘要
本文中，我们使用 AlexNet 架构和极深卷积网络（VGGNet）架构评估卷积神经网络（CNN）特征。迄今为止，大多数 CNN 研究者都采用输出层之前的最后几层，即从全连接特征层中提取的特征。然而，由于特征表示的有效性不太可能依赖于具体问题，本研究评估了与全连接层相邻的额外卷积层，并执行了简单的特征拼接（例如，第3层 + 第5层 + 第7层）与变换调优，使用了诸如主成分分析等工具。在我们的实验中，我们使用 Caltech 101 和 Daimler Pedestrian Benchmark 数据集执行了检测与分类任务。
引用
@article{arxiv.1509.07627,
title = {Feature Evaluation of Deep Convolutional Neural Networks for Object Recognition and Detection},
author = {Hirokatsu Kataoka and Kenji Iwata and Yutaka Satoh},
journal= {arXiv preprint arXiv:1509.07627},
year = {2015}
}
备注
5 pages, 3 figures