图像分类中学习有序池化权重
计算机视觉与模式识别
2021-06-11 v2
摘要
空间池化是计算机视觉系统（如卷积神经网络或词袋方法）中的一个重要步骤。空间池化的目的是将相邻的描述符合并，以获得给定区域（局部或全局）的单一描述符。合并后的向量必须尽可能具有判别力，换句话说，必须包含相关信息，同时去除无关和混淆的细节。最大值和平均值是池化步骤中最常用的聚合函数。为了在不降低图像分类判别力的情况下改进相关信息的聚合，我们引入了一种基于有序加权平均（OWA）聚合算子的简单而有效的方案。我们提出了一种在词袋框架和卷积神经网络中学习 OWA 聚合算子权重的方法，并提供了广泛的评估，表明基于 OWA 的池化优于经典的聚合算子。
引用
@article{arxiv.2007.01243,
title = {Learning ordered pooling weights in image classification},
author = {J. I. Forcen and Miguel Pagola and Edurne Barrenechea and Humberto Bustince},
journal= {arXiv preprint arXiv:2007.01243},
year = {2021}
}