SwiDeN：用于描绘风格不变物体识别的卷积神经网络
计算机视觉与模式识别
2016-08-01 v1
摘要
当前最先进的物体识别架构虽然取得了令人瞩目的性能，但通常仅专门针对单一的描绘风格（例如仅限照片或仅限素描）。在本文中，我们提出了 SwiDeN：我们的卷积神经网络 (CNN) 架构，该架构能够识别物体，无论其视觉描绘方式如何（线条画、写实阴影画、照片等）。在 SwiDeN 中，我们采用了一种新颖的“深度”描绘风格切换机制，适当地处理了该问题中描绘风格特定与描绘风格不变的各个方面。我们在包含多种风格描绘物体的 50 类 Photo-Art 数据集上，将 SwiDeN 与替代架构及先前工作进行了比较。实验结果表明，SwiDeN 在描绘风格不变的物体识别问题上优于其他方法。
引用
@article{arxiv.1607.08764,
title = {SwiDeN : Convolutional Neural Networks For Depiction Invariant Object Recognition},
author = {Ravi Kiran Sarvadevabhatla and Shiv Surya and Srinivas S S Kruthiventi and Venkatesh Babu R},
journal= {arXiv preprint arXiv:1607.08764},
year = {2016}
}
备注
Accepted at ACMMM 2016. The first two authors contributed equally. Code and models at https://github.com/val-iisc/swiden