图像对比度在深度网络中的表现
计算机视觉与模式识别
2019-02-13 v1
摘要
对比度在视场中会因光源和场景配置而发生剧烈变化。因此，人类视觉系统进化得对对比度比绝对亮度更敏感。这一特性对机器视觉同样必要：即使图案的某些方面因局部和全局对比度变化而发生改变，仍具备识别能力。在本工作中，我们深入研究了图像对比度在 prominent 深度卷积网络中的影响，涵盖训练与测试阶段。实验结果表明，所有最先进网络在低对比度图像上的准确率均出现明显退化。我们证明“对比度增强”是赋予网络对比度不变性的充分条件。该做法无负面副作用，相反，它可能使模型避免其他与光照相关的过拟合。这一能力也可通过简短的微调过程获得，这为研究两个权重相关性超过 99.9% 却产生截然不同输出的网络所涉及机制开辟了新方向。我们进一步的分析表明，优化算法是影响因素，但影响显著较小；而架构选择对此现象影响可忽略，首层显得更为关键。
引用
@article{arxiv.1902.04378,
title = {Manifestation of Image Contrast in Deep Networks},
author = {Arash Akbarinia and Karl R. Gegenfurtner},
journal= {arXiv preprint arXiv:1902.04378},
year = {2019}
}