用于低分辨率图像分类的无监督深度特征迁移
计算机视觉与模式识别
2019-10-22 v2 机器学习
图像与视频处理
摘要
本文提出一种简洁而有效的无监督深度特征迁移算法，用于低分辨率图像分类。我们的方法无需对卷积网络（convenet）滤波器进行微调。我们使用预训练卷积网络提取高分辨率与低分辨率图像的特征，再将其送入两层特征迁移网络进行知识迁移。直接使用这些迁移后的低分辨率特征训练一个 SVM 分类器。我们的网络可作为插件式特征增强模块嵌入最先进的深度神经网络。它保留高分辨率图像在特征空间中的数据结构，并将区分性特征从结构良好的源域（高分辨率特征空间）迁移至组织欠佳的目标域（低分辨率特征空间）。在 VOC2007 测试集上的大量实验表明，相较仅使用特征提取的基线，所提方法取得了显著提升。
引用
@article{arxiv.1908.10012,
title = {Unsupervised Deep Feature Transfer for Low Resolution Image Classification},
author = {Yuanwei Wu and Ziming Zhang and Guanghui Wang},
journal= {arXiv preprint arXiv:1908.10012},
year = {2019}
}
备注
4 pages, accepted to ICCV19 Workshop and Challenge on Real-World Recognition from Low-Quality Images and Videos