输入手工特征以增强卷积神经网络性能
计算机视觉与模式识别
2018-01-25 v1
摘要
由于卷积神经网络（CNN）被认为能为给定问题找到合适的特征，手工特征的研究近来多少被忽视了。在本文中，我们表明为给定问题寻找恰当特征可能仍然重要，因为它们能提升基于 CNN 的算法性能。具体而言，我们展示了将恰当特征输入 CNN 可提升其在一些人脸相关任务（如年龄/性别估计、人脸检测与情绪识别）中的表现。我们针对这些任务使用 Gabor 滤波器组响应，将其与输入图像一同送入 CNN。图像与 Gabor 响应的堆叠可作为张量输入送入 CNN，也可作为图像与 Gabor 响应的加权和构成的融合图像送入。Gabor 滤波器参数亦可依给定问题调优，以提升性能。大量实验表明，所提方法比仅使用输入图像的传统基于 CNN 的方法性能更优。
引用
@article{arxiv.1801.07848,
title = {Feeding Hand-Crafted Features for Enhancing the Performance of Convolutional Neural Networks},
author = {Sepidehsadat Hosseini and Seok Hee Lee and Nam Ik Cho},
journal= {arXiv preprint arXiv:1801.07848},
year = {2018}
}
备注
8 pages