本文总结了ILSVRC场景分类比赛的冠军团队策略，探讨了场景、物体和事件分类的关联，并指出ImageNet-CNNs与Places-CNNs在不同尺度的应用。文中提及的多尺度架构和利用物体共现规律增强图像表示的方法，揭示了深度学习在应对场景分类中的规模和歧义性问题的策略。
主要总结一下最近看的几篇场景分类文献，顺便总结场景、物体和事件分类的关系。
[1] ILSVRC 2015 Scene Classi cation Challenge.冠军，主要贡献是Relay Backpropagation和Class-aware Sampling。比赛结果如下图：
[2] 16年场景分类的冠军海康威视。比较有特色的地方是Supervised Data Augmentation，label smoothing (LS) via prior label distribution，Train and Test in Harmony。比赛结果如下：
[3]senet, ILSVRC 2017 classification冠军。在比赛中使用了label smoothing，且在最后几次训练中冻结了BN层。不多说了，在places365的结果如下：
最低0.47元/天 解锁文章
扫一扫
5万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
