结合形状与纹理特征的序列双深度学习手绘草图识别
计算机视觉与模式识别
2017-08-10 v1
摘要
识别具有高度任意性的手绘草图极具挑战性。现有的大多数方法要么忽略了几何特征，要么将草图视为具有固定结构顺序的手写字符。因此，即使采用复杂的学习技术，它们也难以获得高识别性能。在本文中，我们提出了一种结合形状和纹理特征的序列深度学习策略。我们利用一种编码形状描述子来高度灵活地刻画草图笔画的几何特征，同时将卷积神经网络 (CNN) 的输出作为抽象的纹理特征。我们开发了带有记忆门控循环单元 (GRU) 的双深度网络，并依次将这两种特征分别输入到该双网络中。该双网络通过另一个门控循环单元 (GRU) 实现特征融合，从而能够准确识别不受笔画顺序影响的手绘草图。在 TU-Berlin 数据集上的实验表明，即使在发生显著的形状和外观变化时，我们的方法也优于人类和最先进算法的平均水平。
引用
@article{arxiv.1708.02716,
title = {Sequential Dual Deep Learning with Shape and Texture Features for Sketch Recognition},
author = {Qi Jia and Meiyu Yu and Xin Fan and Haojie Li},
journal= {arXiv preprint arXiv:1708.02716},
year = {2017}
}
备注
8 pages, 8 figures