Sketch-a-Net：超越人类表现的草图识别网络
计算机视觉与模式识别
2015-07-22 v3 神经与进化计算
摘要
我们提出了一种多尺度多通道深度神经网络框架，首次实现了超越人类表现的草图识别性能。我们的卓越性能源于在模型中显式嵌入了草图的独特特征：(i) 专为草图而非自然照片统计特性设计的网络架构；(ii) 对草图绘制过程中顺序信息进行编码的多通道泛化；(iii) 采用联合贝叶斯融合的多尺度网络集成，以解释手绘草图中表现出的不同抽象层次。我们表明，专门为自然物体照片设计的最先进深度网络，无论使用照片还是草图进行训练，在草图识别任务上均表现不佳。相比之下，我们的网络不仅在迄今为止最大的人类草图数据集上取得了最佳性能，而且模型体积小，仅需 CPU 即可实现高效训练。
引用
@article{arxiv.1501.07873,
title = {Sketch-a-Net that Beats Humans},
author = {Qian Yu and Yongxin Yang and Yi-Zhe Song and Tao Xiang and Timothy Hospedales},
journal= {arXiv preprint arXiv:1501.07873},
year = {2015}
}
备注
Accepted to BMVC 2015 (oral)