用于改进物体识别的多层次上下文表示
计算机视觉与模式识别
2018-03-28 v1
摘要
在这项工作中，我们提出结合使用卷积神经网络的高低层模块来改进物体识别。虽然近期研究侧重于从所有层传播上下文（例如 ResNet，包括非常低层的层）或使用多个损失层（例如 GoogLeNet），但靠近高层层的特征的重要性被忽略了。本文假定，使用更靠近高层层的上下文能提供尺度和平移不变性，且效果优于仅使用顶层。具体而言，我们在顶部 层中通过额外连接扩展了 AlexNet 和 GoogLeNet。为证明所提方法的有效性，我们在标准 ImageNet 任务上对其进行了评估。分类误差的相对降低约为 1-2%，且不影响计算成本。此外，我们表明该方法与 Szegedy 等人最近引入的典型测试数据增强技术是正交的（在测试时可将运行时间减少 144 倍）。
引用
@article{arxiv.1703.06408,
title = {Multilevel Context Representation for Improving Object Recognition},
author = {Andreas Kölsch and Muhammad Zeshan Afzal and Marcus Liwicki},
journal= {arXiv preprint arXiv:1703.06408},
year = {2018}
}