从词袋到卷积神经网络：二十年来用于纹理分类的纹理表示
计算机视觉与模式识别
2018-10-05 v2 机器学习
摘要
纹理是许多类型图像的基本特性，纹理表示是计算机视觉与模式识别中本质且具挑战性的问题之一，已引起广泛的研究关注。自2000年以来，基于词袋(Bag of Words, BoW)与基于卷积神经网络(Convolutional Neural Networks, CNNs)的纹理表示被广泛研究，取得了令人印象深刻的性能。鉴于这一时期的显著演进，本文旨在对过去二十年间纹理表示的进展进行全面的综述。本综述引用了200余篇主要文献，涵盖研究的多个方面，包括(i)问题描述；(ii)基于BoW、基于CNN和基于属性这三大类方法的近期进展；以及(iii)评估问题，具体而言为基准数据集与当前最优(state of the art, SOTA)结果。在回顾迄今所取得的成果后，本综述讨论了开放挑战与未来研究方向。
引用
@article{arxiv.1801.10324,
title = {From BoW to CNN: Two Decades of Texture Representation for Texture Classification},
author = {Li Liu and Jie Chen and Paul Fieguth and Guoying Zhao and Rama Chellappa and Matti Pietikainen},
journal= {arXiv preprint arXiv:1801.10324},
year = {2018}
}
备注
Accepted by IJCV