基于局部与深度特征集成的物体分类
计算机视觉与模式识别
2017-12-14 v1
摘要
在本文中，我们提出了一种用于物体分类的局部与深度特征集成方法。我们还比较和对比了卷积神经网络各层特征表示能力的有效性。我们通过大量物体分类实验证明，深度网络特征的表示能力可由局部特征所捕获的信息加以补充。我们还发现，来自不同深度卷积网络的特征编码了独特的特征信息。我们确立，与常规做法相反，深度网络的中间层可以增强由全连接层所得特征的分类能力。
引用
@article{arxiv.1712.04926,
title = {Object Classification using Ensemble of Local and Deep Features},
author = {Siddharth Srivastava and Prerana Mukherjee and Brejesh Lall and Kamlesh Jaiswal},
journal= {arXiv preprint arXiv:1712.04926},
year = {2017}
}
备注
Accepted for publication at Ninth International Conference on Advances in Pattern Recognition