面向低分辨率图像分类的细到粗知识迁移
计算机视觉与模式识别
2016-05-24 v1
摘要
我们解决了低分辨率图像中区分细粒度物体类别的难题。我们提出了一种简单而有效的深度学习方法，将从高分辨率训练数据中获得的细粒度知识迁移到粗粒度的低分辨率测试场景。这种细到粗知识迁移具有许多现实应用，例如在监控照片或卫星图像中识别物体，其中测试时的图像分辨率非常低，但有大量相似物体的高分辨率照片可用。我们在两个包含细粒度汽车型号和鸟类物种的标准基准数据集上的大量实验表明，我们的方法能有效地将精细细节知识迁移到粗细节图像。
引用
@article{arxiv.1605.06695,
title = {Fine-to-coarse Knowledge Transfer For Low-Res Image Classification},
author = {Xingchao Peng and Judy Hoffman and Stella X. Yu and Kate Saenko},
journal= {arXiv preprint arXiv:1605.06695},
year = {2016}
}
备注
5 pages, accepted by ICIP 2016