面向鲁棒细粒度场景识别的语义聚类
计算机视觉与模式识别
2016-07-27 v1
摘要
在领域泛化中，从一个或多个源域学到的知识被迁移到未见过的目标域。本文提出了一种用于细粒度场景识别的新型领域泛化方法。我们首先提出一种语义场景描述符，它既能联合捕捉细粒度场景之间的细微差异，又能对跨域的不同物体配置保持鲁棒性。我们对场景中物体的出现模式进行建模，捕捉每个物体对每个场景的信息量和可区分性。然后，我们将这些出现模式转换为每个场景图像的场景概率。其次，我们认为场景图像属于隐藏的语义主题，这些主题可以通过对我们的语义描述符进行聚类来发现。为评估所提方法，我们提出了一个新的跨域设置下的细粒度场景数据集。在所提数据集和三个基准场景数据集上的大量实验表明，所提方法在细粒度场景迁移方面是有效的，其性能优于最先进的场景识别和领域泛化方法。
引用
@article{arxiv.1607.07614,
title = {Semantic Clustering for Robust Fine-Grained Scene Recognition},
author = {Marian George and Mandar Dixit and Gábor Zogg and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:1607.07614},
year = {2016}
}
备注
Accepted at the European Conference on Computer Vision (ECCV), 2016