使用并行深度卷积神经网络的图像美学评价
计算机视觉与模式识别
2015-05-21 v1 多媒体
摘要
图像美学评价近年来备受关注。图像美学评价方法严重依赖于有效的美学特征。传统方法总是提取手工设计的特征。然而，这些手工设计的特征总是针对特定数据集而设计，且其提取需要专门设计。与提取手工设计特征不同，本文首次采用基于深度卷积神经网络(DCNN)的美学特征自动学习。众所周知，在给定训练数据集时，高复杂度的DCNN架构可能遇到过拟合问题。另一方面，低复杂度的DCNN架构不能有效提取特征。出于这些原因，我们进一步提出一种具有多级结构的并行卷积神经网络(PDCNN)，以自动适应训练数据集。实验结果表明，我们提出的PDCNN架构取得了优于其他传统方法的性能。
引用
@article{arxiv.1505.05225,
title = {Image aesthetic evaluation using paralleled deep convolution neural network},
author = {Guo Lihua and Li Fudi},
journal= {arXiv preprint arXiv:1505.05225},
year = {2015}
}
备注
7 pages, 6 figures, 9 tables