利用深度目标特征学习计数
计算机视觉与模式识别
2015-06-01 v1
摘要
学习计数是文献中最近提出的一种学习策略，用于处理以估计场景中目标实例数量为最终目标的问题。在该框架下，学习检测和定位单个目标实例的任务被视为一项更困难的任务，可通过将问题转化为基于手工设计图像特征计算回归值来规避。在本文中，我们探究训练计数卷积神经网络时所学习的特征，以理解其底层表示。为此，我们定义了 MNIST 数据的计数问题，并表明网络的内部表示能够对数字进行分类，尽管在训练期间未为其提供直接监督。我们还给出了一个能够对场景中行人数量进行计数的深度网络的初步结果。
引用
@article{arxiv.1505.08082,
title = {Learning to count with deep object features},
author = {Santi Seguí and Oriol Pujol and Jordi Vitrià},
journal= {arXiv preprint arXiv:1505.08082},
year = {2015}
}
备注
This paper has been accepted at Deep Vision Workshop at CVPR 2015