DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读报告（2）

最新推荐文章于 2024-07-24 12:20:52 发布

lioncv

最新推荐文章于 2024-07-24 12:20:52 发布

阅读量4.7k

点赞数 1

CC 4.0 BY-SA版权

分类专栏：机器学习神经网络 deep learning

本文链接：https://blog.youkuaiyun.com/lioncv/article/details/48815341

本文探讨了深度卷积神经网络（CNN）在多个视觉任务上的表现，通过实验验证了CNN的高层激活值（如DeCAF特征）具有良好的推广性和语义区分能力。实验在ILSVRC-2010、Caltech-101、SUN-397等数据集上进行，表明CNN特征在目标识别、场景识别和区域适应任务中表现出色，且具备一定的鲁棒性。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

4、实验

本文采用的深度卷积神经网络的原型是（Krizhevsky et al 2012）。利用这个网络训练得到多种特征，然后在多个视觉任务上进行测试。本节讨论的”向前路径“计算法在ILSVRC-2010取得了很好的效果。问题是：利用CNN提取的特征是否可以应用到其他数据集上？CNN的性能是如何随着网络的深度变化的？本文定性和定量的说明了这两个问题，通过可视化语义簇，实验对比和“基准”方法的差别。

本节展示了CAFFE在一些基准数据集上的实验结果，对比了不同的特征提取法和分类法。试验中，CNN网络的第n层激活值，表示成。表示最后一个隐层提取的特征（即在最后一个输出分类结果的全连接层之前），是前面的激活层，是前面的激活层。是穿过卷积网络的第一个激活层。本文没有评价网络中更低级的层了，因为这些卷积层和高级层相比，没有丰富的语义表示。隐层的激活值就是特征，卷积层之间共享权重。

4.1对CAFFE的测试实验

本文采用的CNN基本的架构来自于（Krizhevsky et al 2012），Krizhevsky赢得了ILSVRC2012的冠军，它的错误率是40.7%。选择这个架构是因为它在复杂多分类任务上的性能不错，并且假设每一个神经元的激励是一个很强的特征。网络输入时RGB的平均值，然后向前传播，穿过5个卷积层（包括对应的pooling层和RuLU非线性单元），3个全连接层，然后得到了最后一层的神经元激励（输出），即1000个类的分布。本文模型的一个实例得到错误率是42.9%，比2012年paper的40.7%差。

本文引用2012年的paper，详细讨论了网络结构和训练规则，以下是两个小的差异：首先，本文忽略了图像原始比例，把它伸缩到256X256，而不是剪裁。然后，本文没有增加数据集的每个像素点的RGB的主成分（的倍数），而是捕获亮度和颜色变化中的不变量。