细节在中层：利用中层表征进行跨域实例匹配
计算机视觉与模式识别
2018-04-06 v2
摘要
许多视觉问题需要在不同域间匹配物体实例的图像。这些包括细粒度基于草图的图像检索（FG-SBIR）与行人重识别（person ReID）。现有方法试图学习一个联合嵌入空间，使来自不同域的图像可直接比较。在大多数情况下，该空间由深度神经网络（DNN）最后一层的输出定义，其主要包含高语义层级的特征。本文认为高层级与中层特征均与跨域实例匹配（CDIM）相关。重要的是，中层特征已存在于DNN的较早层中，只需被正确提取、表征并与最后一层适当融合。基于这一简单而有力的想法，我们提出了一种用于CDIM的统一框架。将该框架实例化为FG-SBIR与ReID，我们展示了简单模型即可轻松击败通常配备更复杂架构的最先进模型。
引用
@article{arxiv.1711.08106,
title = {The Devil is in the Middle: Exploiting Mid-level Representations for Cross-Domain Instance Matching},
author = {Qian Yu and Xiaobin Chang and Yi-Zhe Song and Tao Xiang and Timothy M. Hospedales},
journal= {arXiv preprint arXiv:1711.08106},
year = {2018}
}
备注
Reference updated