该论文提出了一种新的图像分类方法，通过多尺度处理和无序池化，关注图像的细节信息，降低干扰因素的影响。在CNN基础上，对输入图像进行不同尺度的划分，提取全连接层特征，再通过ReLU和K近邻、VLAD pooling，最终用线性SVM进行分类。实验表明，这种方法在平移、缩放、翻转和旋转等多种变换下保持了较高的分类准确率。
2014年ECCV
Motivation
以往的图像分类，关注的信息可能更容易被干扰。比如下图中的（a），groundtruth应该是滑雪（ski），但是由于一些其他信息的干扰，导致红框中框出来的部分被分类为shovel，篮框中被认为是阿尔卑斯山，那么这篇论文就是基于这样一个motivation，试图关注图像中更细节的信息。
Basic Idea
Multi-scale体现在对于同一张输入图片，作者做了三个尺度上的变化，第一个，level o
最低0.47元/天 解锁文章
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
