ResFeats：用于图像分类的基于残差网络的特征
计算机视觉与模式识别
2020-01-24 v1
摘要
深度残差网络近期已成为图像分割和目标检测领域的 SOTA 架构。在本文中，我们提出了从 ImageNet 上预训练的深度残差网络最后一个卷积层提取的新图像特征（称为 ResFeats）。我们提议将 ResFeats 用于多种图像分类任务，即目标分类、场景分类和珊瑚分类，并表明 ResFeats 在这些分类任务上的表现始终优于其对应的 CNN 特征。由于 ResFeats 是大型特征向量，我们提议使用 PCA 进行降维。实验结果表明，ResFeats 在 Caltech-101、Caltech-256 和 MLC 数据集上取得了 SOTA 的分类准确率，并且在 MIT-67 数据集上相较于广泛使用的 CNN 特征有显著的性能提升。
引用
@article{arxiv.1611.06656,
title = {ResFeats: Residual Network Based Features for Image Classification},
author = {Ammar Mahmood and Mohammed Bennamoun and Senjian An and Ferdous Sohel},
journal= {arXiv preprint arXiv:1611.06656},
year = {2020}
}