二阶民主聚合
计算机视觉与模式识别
2018-08-24 v1
摘要
从深度卷积网络提取的聚合二阶特征已被证明对纹理生成、细粒度识别、材料分类和场景理解有效。本文中，我们研究一类在无序聚合背景下旨在最小化干扰或均衡贡献的二阶特征聚合函数，并表明它们可像一阶对应方法一样高效计算，且相比求和聚合具有更有利的性质。另一工作表明聚合后的矩阵幂归一化可显著提升二阶表示的泛化能力。我们证明矩阵幂归一化在聚合过程中隐式地均衡了贡献，从而建立了矩阵归一化技术与先前最小化干扰工作之间的联系。基于该分析，我们提出 γ-民主聚合器，其在求和(γ=1)与民主池化(γ=0)之间插值，在若干分类任务上优于两者。此外，不同于幂归一化，γ-民主聚合可通过草图在低维空间中计算，从而允许使用非常高维的二阶特征。这在多个数据集上取得了最先进的性能。
引用
@article{arxiv.1808.07503,
title = {Second-order Democratic Aggregation},
author = {Tsung-Yu Lin and Subhransu Maji and Piotr Koniusz},
journal= {arXiv preprint arXiv:1808.07503},
year = {2018}
}