交互式迁移CNN模式用于部件定位
计算机视觉与模式识别
2017-11-23 v2
摘要
在单样本/多样本学习场景下，缺乏足够监督的传统端到端学习策略通常不足以从噪声信号中学习到正确的模式。因此，给定一个预训练用于物体分类的CNN，本文提出一种方法：首先将隐藏在CNN内部的知识归纳为一个潜在激活模式字典，然后通过人工交互，手动组装与目标部件相关的潜在模式，构建一个用于部件定位的新模型。我们使用极少（例如三个）语义物体部件的标注，从卷积层中检索特定的潜在模式来表示目标部件。随后，我们可视化这些潜在模式，并让用户进一步移除不正确的模式，以精炼部件表示。在人类交互的引导下，我们的方法在实验中展现了优越的部件定位性能。
引用
@article{arxiv.1708.01783,
title = {Interactively Transferring CNN Patterns for Part Localization},
author = {Quanshi Zhang and Ruiming Cao and Shengming Zhang and Mark Redmonds and Ying Nian Wu and Song-Chun Zhu},
journal= {arXiv preprint arXiv:1708.01783},
year = {2017}
}