使用对比关联网络学习图像关系
计算机视觉与模式识别
2019-03-13 v2 机器学习
摘要
推断两幅图像之间的关系是计算机视觉中一类重要的任务。此类任务的例子包括计算光流与立体视差。我们将关系推断任务视为一个机器学习问题，并利用神经网络加以解决。该问题的关键在于学习关系的表示。我们提出了一种新的神经网络模块——对比关联单元（CAU），它显式地对两组输入变量之间的关系进行建模。由于 CAU 中权重的非负性，我们采用乘性更新算法来学习这些权重。实验表明，带有 CAU 的神经网络在学习五种基本图像变换方面比传统神经网络更有效。
引用
@article{arxiv.1705.05665,
title = {Learning Image Relations with Contrast Association Networks},
author = {Yao Lu and Zhirong Yang and Juho Kannala and Samuel Kaski},
journal= {arXiv preprint arXiv:1705.05665},
year = {2019}
}