学习用于材质分类的多尺度表示
计算机视觉与模式识别
2014-08-14 v1 机器学习
神经与进化计算
摘要
稀疏编码和深度学习的最新进展使得无监督特征学习方法成为手工设计描述符的有力竞争者。在计算机视觉领域，学习特征的成功案例主要集中在物体识别任务上。在本文中，我们研究了特征学习是否可以以及如何用于材质识别。我们提出了两种将尺度信息纳入学习过程的策略，从而产生了一种新颖的多尺度编码过程。我们的结果表明，我们在材质识别方面学习到的特征在 FMD 和 KTH-TIPS2 材质分类基准测试中优于手工设计的描述符。
引用
@article{arxiv.1408.2938,
title = {Learning Multi-Scale Representations for Material Classification},
author = {Wenbin Li and Mario Fritz},
journal= {arXiv preprint arXiv:1408.2938},
year = {2014}
}