基于DAG-CNN的多尺度识别
计算机视觉与模式识别
2015-05-21 v1
摘要
我们探索用于图像分类的多尺度卷积神经网络(CNN)。当代方法从单个输出层提取特征。通过从多个层提取特征，可以在分类期间同时推理高层、中层和低层特征。所得的多尺度架构本身可被视为结构为有向无环图的前馈模型(DAG-CNNs)。我们使用 DAG-CNNs 学习一组可在粗粒度和细粒度分类任务之间有效共享的多尺度特征。虽然此类模型的微调有助于性能，但我们表明即使是“现成的”多尺度特征也表现相当好。我们提供了广泛的分析，并在三个标准场景基准(SUN397、MIT67 和 Scene15)上展示了最先进的分类性能。就被广泛基准测试的 MIT67 和 Scene15 数据集而言，我们的结果将先前报告的最低错误率分别降低了 23.9% 和 9.5%。
引用
@article{arxiv.1505.05232,
title = {Multi-scale recognition with DAG-CNNs},
author = {Songfan Yang and Deva Ramanan},
journal= {arXiv preprint arXiv:1505.05232},
year = {2015}
}