基于深度特征的手绘草图识别
计算机视觉与模式识别
2015-02-05 v2
摘要
手绘草图通常包含稀疏的视觉细节。尽管存在稀疏性，它们却能被不同文化、语言和年龄群体的人类轻松且一致地识别。因此，分析此类稀疏草图有助于我们理解视觉表征和识别中涉及的神经认知过程。近年来，卷积神经网络（CNNs）已成为各种图像域特征表征和识别的强大框架。然而，草图图像领域尚未得到充分探索。本文介绍了一种基于从 CNNs 提取的“深度”特征的手绘草图识别框架。我们在实验中使用了两种流行的 CNN：Imagenet CNN 和 LeNet CNN 的改进版本。我们在一个公开可用的基准数据库上评估了我们的识别框架，该数据库包含数千幅描绘日常物体的手绘草图。我们的结果比现有的最先进水平（state-of-the-art）准确率提高了 3% - 11%。我们深度特征的有效性和相对紧凑性也使其成为基于草图的图像检索等相关问题的理想候选方案。此外，我们初步展示了此类特征如何帮助识别草图物体的关键属性（例如物体部件）。
引用
@article{arxiv.1502.00254,
title = {Freehand Sketch Recognition Using Deep Features},
author = {Ravi Kiran Sarvadevabhatla and R. Venkatesh Babu},
journal= {arXiv preprint arXiv:1502.00254},
year = {2015}
}
备注
Submitted to ICIP-2015, 5 pages. Removed an erroneous claim regarding a work cited in the paper