HDF：用于场景图像表示的混合深度特征
计算机视觉与模式识别
2020-10-13 v1 机器学习
摘要
如今，将预训练深度学习模型提取的特征作为图像表示已十分普遍，并取得了令人满意的分类性能。现有方法通常仅考虑基于对象的特征或基于场景的特征。然而，对于场景图像等复杂图像，这两类特征都十分重要，因为它们能够相互补充。本文提出一种新型特征——用于场景图像的混合深度特征。具体而言，我们在两个部分图像层级（即图像的部分）和整体图像层级（即整幅图像）上同时利用基于对象和基于场景的特征，由此产生共四种深度特征。在部分图像层级，我们还提出了两种新的切片技术来提取基于部分的特征。最后，我们通过拼接算子聚合这四类深度特征。我们在三个常用场景数据集（MIT-67、Scene-15 和 Event-8）上，针对场景图像分类任务验证了混合深度特征的有效性。大量对比表明，我们所引入的特征能够取得最先进的分类准确率，且比现有特征在所有数据集上的结果更为一致和稳定。
引用
@article{arxiv.2003.09773,
title = {HDF: Hybrid Deep Features for Scene Image Representation},
author = {Chiranjibi Sitaula and Yong Xiang and Anish Basnet and Sunil Aryal and Xuequan Lu},
journal= {arXiv preprint arXiv:2003.09773},
year = {2020}
}
备注
8 pages, Accepted in IEEE WCCI 2020 Conference