CNN特征迁移的良好实践
计算机视觉与模式识别
2016-04-04 v1
摘要
本文的目标是卷积神经网络(CNN)特征在图像检索与分类中的有效迁移。我们系统地研究了CNN迁移中的三个事实。1) 我们证明了使用尺寸适当大的图像作为CNN输入，而非传统上 resized 的图像，具有优势。2) 我们对不同CNN层在特征图上经平均/最大池化增强后的性能进行了基准测试。我们的观察表明，在此种池化步骤下Conv5特征具有极具竞争力的精度。3) 我们发现，简单组合从各CNN层提取的池化特征，能有效从低层与高层描述子中收集证据。遵循这些良好实践，我们能够在许多基准测试上将 state of the art 大幅提升。
引用
@article{arxiv.1604.00133,
title = {Good Practice in CNN Feature Transfer},
author = {Liang Zheng and Yali Zhao and Shengjin Wang and Jingdong Wang and Qi Tian},
journal= {arXiv preprint arXiv:1604.00133},
year = {2016}
}
备注
9 pages. It will be submitted to an appropriate journal