通过判别器实现的并行卷积网络用于图像识别
计算机视觉与模式识别
2018-09-26 v3
摘要
在本文中，我们引入了一个简单但相当有效的识别框架，称为 D-PCN，旨在增强 CNN 的特征提取能力。该框架由两个并行 CNN、一个判别器以及一个额外的分类器组成，该分类器接收来自并行网络的集成特征并给出最终预测。判别器是核心，它驱动并行网络关注不同区域并学习不同表示。引入了相应的训练策略以确保判别器的利用。我们在基准数据集 CIFAR-100 和 ImageNet 上用若干 CNN 模型验证了 D-PCN，D-PCN 增强了所有模型。特别是与相关工作相比，它在 CIFAR-100 上取得了 SOTA 性能。我们还在细粒度 Stanford Dogs 数据集上进行了可视化实验以验证我们的动机。此外，我们将 D-PCN 应用于 PASCAL VOC 2012 上的分割并也发现了提升。
引用
@article{arxiv.1807.02265,
title = {Parallel Convolutional Networks for Image Recognition via a Discriminator},
author = {Shiqi Yang and Gang Peng},
journal= {arXiv preprint arXiv:1807.02265},
year = {2018}
}
备注
Accepted by ACCV 2018