使用区域选择特征为卷积神经网络设置注意力区域以识别玻璃容器内的材料
计算机视觉与模式识别
2017-09-12 v3
摘要
卷积神经网络已成为图像分类与分割的主流方法。在某些情况下，期望将网络的注意力集中在图像中的特定区域；其中一个例子是透明容器内容的识别，其中图像中容器区域已知。本工作提出了一种阀门滤波器（valve filter）方法，用于将网络的注意力集中在感兴趣区域（ROI）上。在该方法中，ROI作为二值图插入网络。网络对ROI和背景图像区域使用不同的卷积滤波器集合，从而从每个区域提取不同的特征集合。更准确地说，对于图像上使用的每个滤波器，存在一个对应的阀门滤波器作用于ROI图，并确定将使用相应图像滤波器的区域。该阀门滤波器有效地充当阀门，根据ROI图抑制不同图像区域中的特定特征。此外，提出了一个化学实验室环境中玻璃器皿容器内材料图像的新数据集。该数据集包含一千张图像，根据从装满和空到容器内材料确切相态的类别进行了像素级标注。基于该数据集比较了阀门滤波器方法与无ROI输入的全卷积神经网络（FCN）的结果。
引用
@article{arxiv.1708.08711,
title = {Setting an attention region for convolutional neural networks using region selective features, for recognition of materials within glass vessels},
author = {Sagi Eppel},
journal= {arXiv preprint arXiv:1708.08711},
year = {2017}
}