用于基于深度的物体实例识别的 TemplateNet
计算机视觉与模式识别
2015-11-11 v1
摘要
我们提出了一种称为 templateNet 的新型深度架构，用于基于深度的物体实例识别。通过使用中间模板层，我们利用物体形状的先验知识来稀疏化特征图。这有三个优点：(i) 网络得到更好的正则化，从而产生结构化滤波器；(ii) 稀疏特征图导致学习到直观的特征，这些特征可可视化为模板层的输出；(iii) 所得网络达到了最先进的性能。网络在没有来自模板层的任何额外参数化的情况下获益于此。我们推导了以端到端方式高效训练该网络所需的权重更新。我们使用两个公开数据集对 templateNet 进行基于深度的物体实例识别基准测试。这些数据集提出了杂波、大姿态变化和相似干扰物等多重挑战。通过我们的实验，我们表明通过添加模板层，基于深度的 CNN 能够超越该领域现有的最先进方法。
引用
@article{arxiv.1511.03244,
title = {TemplateNet for Depth-Based Object Instance Recognition},
author = {Ujwal Bonde and Vijay Badrinarayanan and Roberto Cipolla and Minh-Tri Pham},
journal= {arXiv preprint arXiv:1511.03244},
year = {2015}
}
备注
10 pages, 7 figures