RADAM：基于深度激活图随机聚合编码的纹理识别方法
计算机视觉与模式识别
2023-03-09 v1 神经与进化计算
摘要
纹理分析是计算机视觉中一个经典且具有挑战性的任务，深度神经网络正被积极应用于此。大多数方法基于在预训练主干网络周围构建特征聚合模块，然后在特定纹理识别任务上微调新架构。这里我们提出一种名为随机编码聚合深度激活图（RADAM）的新方法，其在不改变主干网络的前提下提取丰富的纹理表征。该技术使用随机自编码器（RAE）对预训练深度卷积网络在不同深度的输出进行编码。RAE以闭式解对每幅图像局部训练，其解码器权重被用于组合成一维纹理表征并输入线性SVM。这意味着无需微调或反向传播。我们在多个纹理基准上探索RADAM，并以不同计算预算取得了最先进的结果。我们的结果表明，若预训练主干的学习表征得到更好编码，则可能无需额外的微调即可用于纹理识别。
引用
@article{arxiv.2303.04554,
title = {RADAM: Texture Recognition through Randomized Aggregated Encoding of Deep Activation Maps},
author = {Leonardo Scabini and Kallil M. Zielinski and Lucas C. Ribas and Wesley N. Gonçalves and Bernard De Baets and Odemir M. Bruno},
journal= {arXiv preprint arXiv:2303.04554},
year = {2023}
}
备注
17 pages, 3 figures, submitted to peer-review journal