InterActive：层间活跃度传播
计算机视觉与模式识别
2016-05-03 v1
摘要
越来越多的计算机视觉任务可以利用深度特征来解决，深度特征是预训练卷积神经网络的中间输出。尽管性能惊人，但从低级神经元提取的深度特征仍不尽如人意，原因可能是它们无法获取高层中包含的空间上下文。本文提出 InterActive，一种计算神经元和网络连接活跃度的新算法。活跃度以自顶向下的方式在神经网络中传播，携带高层上下文并提升低级和中级神经元的描述能力。可视化表明神经元活跃度可解释为空间加权神经元响应。我们在多种图像数据集上取得了最先进的分类性能。
引用
@article{arxiv.1605.00052,
title = {InterActive: Inter-Layer Activeness Propagation},
author = {Lingxi Xie and Liang Zheng and Jingdong Wang and Alan Yuille and Qi Tian},
journal= {arXiv preprint arXiv:1605.00052},
year = {2016}
}
备注
To appear, in CVPR 2016 (10 pages, 3 figures)