基于随机优化的通用CNN-CRF模型联合训练
计算机视觉与模式识别
2016-09-15 v3
摘要
我们提出一种新的CNN-CRF端到端学习框架，其基于针对卷积神经网络（CNN）和条件随机场（CRF）参数的联合随机优化。虽然随机梯度下降是CNN训练的标准技术，但迄今为止尚未用于联合模型。我们表明我们的学习方法是（i）通用的，即适用于任意CNN和CRF架构及势函数；（ii）可扩展的，即具有低内存占用并可直接在GPU上并行化；（iii）易于实现。此外，统一的CNN-CRF优化方法简化了潜在的硬件实现。我们在深度图像中身体部位的语义标注任务上对我们的方法进行了实证评估，结果表明其优于对比技术。
引用
@article{arxiv.1511.05067,
title = {Joint Training of Generic CNN-CRF Models with Stochastic Optimization},
author = {Alexander Kirillov and Dmitrij Schlesinger and Shuai Zheng and Bogdan Savchynskyy and Philip H. S. Torr and Carsten Rother},
journal= {arXiv preprint arXiv:1511.05067},
year = {2016}
}
备注
ACCV2016