定位语义块以加速图像分类
计算机视觉与模式识别
2022-06-08 v1
摘要
现有工作常聚焦于降低架构冗余以加速图像分类，却忽视了输入图像的空间冗余。本文提出一种高效的图像分类流程来解决该问题。我们首先通过名为 AnchorNet 的轻量级块提议网络在输入图像上精确定位任务感知区域。随后将这些具有小得多的空间冗余的局部化语义块送入通用分类网络。与深度 CNN 的流行设计不同，我们旨在精心设计的 AnchorNet 的感受野而不使用中间卷积填充。这确保了从高层空间位置到特定输入图像块的精确映射。每个块的贡献是可解释的。此外，AnchorNet 与任何下游架构兼容。在 ImageNet 上的实验结果表明，我们的方法以更少的推理成本优于 SOTA 动态推理方法。我们的代码可在 https://github.com/winycg/AnchorNet 获取。
引用
@article{arxiv.2206.03367,
title = {Localizing Semantic Patches for Accelerating Image Classification},
author = {Chuanguang Yang and Zhulin An and Yongjun Xu},
journal= {arXiv preprint arXiv:2206.03367},
year = {2022}
}
备注
Accepted by ICME-2022