笔记：harvesting discriminative meta objects with deep CNN features for scene classification

最新推荐文章于 2021-09-22 22:15:32 发布

原创

最新推荐文章于 2021-09-22 22:15:32 发布 · 1.5k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#cnn #meta #object #scene

本文提出了一种利用CNN特征分析场景中的元目标进行场景分类的方法。通过region proposal生成、patch筛选、meta object创建与分类、图像表示及图像分类等步骤，实现了对场景图像的有效分析。实验表明，聚类和分类器的优化对于提升分类精度至关重要。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文提出了一种基于CNN特征，通过分析场景中的元目标（meta objects）进而进行场景分析的流程。这里的假设就是一个场景的类别通常与场景中包含的物体有关，场景的物体就对应所说的meta object。要分析图片中的物体就要进行分割，然后选择有效的分割区域，再将这些区域构造整个图的特征用于分类。这个流程可以分为五个部分：在整个图片上构造region proposal选取patch、对patch进行选取保留对应图片中有效的meta object的patch、对保留的patch进行聚类分析、构造整个图片的特征、分类。文章用下图表示：
这里写图片描述
下面分别分析这五个部分。
1）region proposal generation
由于本文要分析scene image中的object，首先要提取恰当的proposal。
提取场景图片中的region proposal，本文采用的是2014cvpr文章Arbeláez P, Pont-Tuset J, Barron J, et al. Multiscale combinatorial grouping[C]中提出的MCG方法。文章提到也可以用edge box和selective search 来生成proposal的方法。提取到proposal之后，用在Places数据集上预训练的CNN模型来提取特征。使用FC7层的特征作为patches的特征。
2）patch screening
为每类选择具有代表性的patches，同时根据每个patch对scene image判别的帮助信息（转化为后验概率）来给出一个权重，具体分为两个部分：
（一）首先对每个类中所有图像提取的patches进行一个筛选，方法是无监督的学习一个one class SVM，使得出现频率高的patches(representative patches)通过分类器得到正值，频率低的(non -presentative)为负值;这一步采用了三层的瀑布模型（cascaded classifier），每一层筛掉输入的15%。