OnionNet：在级联深度分类器中共享特征
计算机视觉与模式识别
2016-08-10 v1 机器学习
神经与进化计算
摘要
我们工作的重点是加速检索场景中深度神经网络的评估，传统架构可能在负样本上耗费过多时间。我们提出用一种新颖的特征共享深度分类器级联（称为 OnionNet）来替代单体网络，其中后续阶段既可以向之前的网络添加新层，也可以添加新的特征通道。重要的是，中间特征图在分类器之间共享，避免了重新计算的必要。为此，模型在联合损失下以原则性的方式进行端到端训练。我们在理论上和合成基准上验证了我们的方法。正如在三个应用（补丁匹配、目标检测和图像检索）中所示，我们的级联网络能够以微小的精度下降为代价，比单体网络和传统的不共享级联网络运行得显著更快。
引用
@article{arxiv.1608.02728,
title = {OnionNet: Sharing Features in Cascaded Deep Classifiers},
author = {Martin Simonovsky and Nikos Komodakis},
journal= {arXiv preprint arXiv:1608.02728},
year = {2016}
}
备注
Accepted to BMVC 2016