6、视觉城市感知与自动缩略图生成技术解析

视觉城市感知与自动缩略图生成技术解析

视觉城市感知

在视觉城市感知领域，为了评估所提出网络的有效性，研究人员提出了两种网络结构：PRN和SAPN，并将SAPN模型与几种最先进的视觉城市感知预测方法进行了比较。

网络结构介绍

• PRN (ResNet) ：以图像对作为输入，由两个具有预训练绑定权重的ResNet - 50网络组成。将最后一层有1000个神经元的层改为有一个神经元的全连接层，并且卷积层中的所有权重都固定。它试图找到一个映射函数来为每个图像预测一个分数，并使用铰链损失将两个分数结合起来。
• PRN (fine - tuned) ：结构与PRN (ResNet)相同，但对ResNet - 50的块4和块5进行了微调。
• SAPN (ResNet) ：结合图像的通用特征和语义信息来预测一个感知属性的分数，并且感知流中网络的权重固定为预训练权重。
• SS - CNN ：以图像对作为输入，由两组不相交的相同层组成，用于特征提取，具有绑定权重，后面跟着一个使用softmax损失的融合子网络来训练网络。
• RSS - CNN ：是SS - CNN的改进版本，通过添加一个由全连接绑定权重层组成的排名子网络来修改SS - CNN，并结合softmax损失和排名损失来训练网络。

实验结果

在PP 2.0数据集上进行实验，将每个属性的三元组集按6