从局部二值模式到像素差分网络的高效视觉表征学习
计算机视觉与模式识别
2023-03-16 v1
摘要
LBP 是计算机视觉中一种成功的手工特征描述子。然而，在深度学习时代，深度神经网络，尤其是卷积神经网络（CNNs），能够自动学习更具判别力且表征能力更强的任务感知特征。在某种程度上，在设计深度计算机视觉模型时，此类手工特征可被安全忽略。尽管如此，由于 LBP 在视觉表征学习中具有可取的性质，一个有趣的课题应运而生：探索 LBP 在提升现代深度模型效率、内存消耗与预测性能方面的价值。本文对这类将 LBP 机制融入 CNN 模块设计以使深度模型更强的努力进行了全面综述。在回顾迄今所取得的成果后，本文讨论了开放挑战与未来研究方向。
引用
@article{arxiv.2303.08414,
title = {From Local Binary Patterns to Pixel Difference Networks for Efficient Visual Representation Learning},
author = {Zhuo Su and Matti Pietikäinen and Li Liu},
journal= {arXiv preprint arXiv:2303.08414},
year = {2023}
}
备注
A small survey paper on Local Binary Pattern (LBP) inspired Deep Learning networks, accepted in SCIA 2023 (Scandinavian Conference on Image Analysis)