ILGNet：使用域适应的连接局部与全局特征的 Inception 模块，用于高效图像美学质量分类
计算机视觉与模式识别
2018-05-01 v3 多媒体
摘要
在本文中，我们解决了一个具有挑战性的图像美学分类问题，即根据美学质量的高低为输入图像打标签。我们同时考虑了图像的局部和全局特征。我们提出了一种新颖的深度卷积神经网络，名为 ILGNet，它结合了 Inception 模块和一个连接局部与全局特征的连接层。ILGNet 基于 GoogLeNet。因此，可以方便地使用在大规模图像分类问题上预训练的 GoogLeNet，并在一个大规模美学相关图像数据库 AVA 上微调我们的连接层，即\emph{域适应}。实验表明，我们的模型在 AVA 数据库上达到了最先进的水平。我们模型的训练和测试速度均高于原始 GoogLeNet。
引用
@article{arxiv.1610.02256,
title = {ILGNet: Inception Modules with Connected Local and Global Features for Efficient Image Aesthetic Quality Classification using Domain Adaptation},
author = {Xin Jin and Le Wu and Xiaodong Li and Xiaokun Zhang and Jingying Chi and Siwei Peng and Shiming Ge and Geng Zhao and Shuying Li},
journal= {arXiv preprint arXiv:1610.02256},
year = {2018}
}
备注
under review, IET-Computer Vision, Previous WCSP2016 paper