基于轮廓的场景分类：中轴显著性度量
计算机视觉与模式识别
2018-11-27 v1
摘要
计算机视觉界已见证基于图像的场景分类的最新进展，当前最先进系统在诸如 Places365 数据集等具有挑战性的基准上取得了令人印象深刻的识别率。此类系统已在包含颜色、纹理与阴影线索的照片上训练。形状与表面的几何结构（由场景轮廓传达）并未被显式考虑用于该任务。值得注意的是，人类可从仅由基于轮廓的形状线索构成的线描中准确识别自然场景。在此我们报告了首个针对源自包括艺术家场景数据库、MIT67 与 Places365 等流行数据库的线描进行场景分类的计算机视觉研究。具体而言，我们使用现成的预训练 CNN 在仅以轮廓信息作为输入时进行场景分类，并发现其性能水平远高于随机水平。我们还表明，基于中轴的轮廓显著性方法可用于选择信息更丰富的轮廓像素子集，且 CNN 在这些子集不同选择上的分类性能变化在定性上类似于人类表现中所观察到的变化。此外，当使用显著性度量对轮廓加权而非剪枝时，我们发现这些权重将我们的 CNN 性能提升至高于未加权轮廓输入的情况。也就是说，基于中轴的显著性权重似乎添加了有用信息，而当 CNN 被训练为仅使用轮廓时无法获得该信息。
引用
@article{arxiv.1811.10524,
title = {Scene Categorization from Contours: Medial Axis Based Salience Measures},
author = {Morteza Rezanejad and Gabriel Downs and John Wilder and Dirk B. Walther and Allan Jepson and Sven Dickinson and Kaleem Siddiqi},
journal= {arXiv preprint arXiv:1811.10524},
year = {2018}
}