无备用部件：用于图像分类的共享部件检测器
计算机视觉与模式识别
2016-07-13 v2
摘要
本工作旨在利用区分性部件的表示进行图像分类。与现有的基于部件的工作不同，我们认为部件自然地在图像类别间共享，并应如此建模。我们通过定量与定性分析回溯所选部件的出处，从而为我们的方法提供动机。我们的分析表明，除了定义类别的类别部件外，来自背景上下文的部件以及来自其他图像类别的部件提升了分类性能。部件选择不应针对每个类别单独进行，而应在所有类别间共享并优化。为纳入类别间的部件共享，我们提出了一种基于AdaBoost的算法，以联合优化部件共享与选择，以及与全局图像表示的融合。我们在物体、场景和动作类别上取得了与当前最优（state-of-the-art）相当的结果，并进一步优于深度卷积神经网络。
引用
@article{arxiv.1510.04908,
title = {No Spare Parts: Sharing Part Detectors for Image Categorization},
author = {Pascal Mettes and Jan C. van Gemert and Cees G. M. Snoek},
journal= {arXiv preprint arXiv:1510.04908},
year = {2016}
}