利用深度CNN特征提取判别性元对象用于场景分类
计算机视觉与模式识别
2015-10-07 v1
摘要
近期关于场景分类的工作仍以初级方式使用通用 CNN 特征。在这篇 ICCV 2015 论文中，我们提出了一种构建于深度 CNN 特征之上的新颖流水线，用于提取判别性视觉对象及部件以进行场景分类。我们首先使用区域提议技术生成一组可能包含对象的高质量图像块，并应用预训练的 CNN 从这些块中提取通用深度特征。然后我们进行无监督和弱监督学习来筛选这些块，发现代表特定类别对象及部件的判别性块。我们进一步应用增强了局部 CNN 微调的判别聚类，将相似的对象和部件聚为组，称为元对象。通过在所有学习到的元对象的特征响应图上进行多空间尺度池化，构建出场景图像表示。我们已确认，使用这一新流水线获得的场景图像表示能够在两个流行的场景基准数据集 MIT Indoor 67~\cite{MITIndoor67} 和 Sun397~\cite{Sun397} 上提供最先进的(state-of-the-art)性能。
引用
@article{arxiv.1510.01440,
title = {Harvesting Discriminative Meta Objects with Deep CNN Features for Scene Classification},
author = {Ruobing Wu and Baoyuan Wang and Wenping Wang and Yizhou Yu},
journal= {arXiv preprint arXiv:1510.01440},
year = {2015}
}
备注
To Appear in ICCV 2015