论预训练图像特征与合成图像在深度学习中的应用
计算机视觉与模式识别
2017-11-20 v2
摘要
深度学习方法通常需要海量训练数据才能发挥全部潜力，且往往需昂贵的人工标注。因此使用合成图像来训练目标检测器极具吸引力，因为标注免费获得，且已有若干方法提出结合合成与真实图像进行训练。在本文中，我们表明一个简单的技巧就足以仅用合成图像非常有效地训练现代目标检测器：我们将负责特征提取的层冻结为在真实图像上预训练的通用层，并仅用普通OpenGL渲染训练其余层。我们使用极近期用于目标识别的深度架构（Faster-RCNN、R-FCN、Mask-RCNN）和图像特征提取器（InceptionResnet和Resnet）的实验表明，这一简单方法表现得出奇地好。
引用
@article{arxiv.1710.10710,
title = {On Pre-Trained Image Features and Synthetic Images for Deep Learning},
author = {Stefan Hinterstoisser and Vincent Lepetit and Paul Wohlhart and Kurt Konolige},
journal= {arXiv preprint arXiv:1710.10710},
year = {2017}
}