(CVPR 2008) Auto-context and Its Application to High-level Vision Tasks
不论是分割还是分类,context都是很有用的信息。尤其是深度学习流行以后,能自动去挖掘一些context的内部相关性,所以对于如何引入尽可能多的context,成为了一个研究方向。这篇文章虽然和深度学习无关,但是有很多宝贵的观点。
作者认为
- Unlike many the energy minimization algorithms where the modeling and computing stages are separated, auto-context uses the same procedures in the two. 这是和传统的方法做对比的,对于深度学习来说,现在也是揉在一块了。因此这点不再赘述。
- 每一个被分类的像素除了常规的小领域信息,还会有更大领域的label信息,并且这些label信息还在一次一次的迭代中越来越准确。所以不同于一般的“图像patch +