Fine-Grained Crowdsourcing for Fine-Grained Recognition(精读)
2014-11-26 19:36
471 查看
一.文献名字和作者
Fine-Grained Crowdsourcing for Fine-Grained Recognition, Jia Deng, Jonathan Krause, Li Fei-Fei, CVPR2013二.阅读时间
2014年11月26日三.文献的目的
文章主要提出了一种使用众包的方法进行细粒度分类的方法,在传统的细粒度分类中加入人参与的环节,通过人工参与的形式,使得细粒度分类准确率有所上升。四.文献的贡献点
1.作者开发了一个用于标注图片可区分区域的游戏"Bubbles",通过参与游戏的人在模糊图片中通过标注课区分区域的方法,连将模糊图片进行分类,使得游戏参与者能够进行下一个关卡,同时,作者也可以知道图像的那些部分是可以对鸟类进行区分的。2.作者提出了一个“BubbleBank”算法,一种使用众包选择出来的bubble进行细粒度识别的方法。这个算法的流程如图1所示。
图1 算法流程
4.1 "BubbleBank"算法
1.Bubble检测器:首先将通过游戏获得的bubble进行特征提取,获得的部分作为一个bubble检测器。bubble检测器相当于一个滤波器,通过将bubble检测器与测试图像中进行密集采样的图像块中提取的特征进行卷积,然后将这些图像块的响应进行maxpooling,从而获得测试图像是否包含有该bubble。为了减少计算复杂度,作者只是在训练图像中bubble的位置附近进行检测,并没有在整个图像中进行。2."BubbleBank":Bubblebank就是将每一个bubble在图像中获得的最大值组合成一个向量,用来作为测试图像的特征.
3.分类器:使用SVM作为最后的细粒度分类器。
4.2 实验设置
1.Bubble Detector:使用SIFT特征和颜色直方图特征作为主要特征。其中SIFT包含128维,颜色直方图包含有11维,总共有139维。2.Bubble Detecting:对于每一个位置的响应就是将该位置的图像块所提取的139维特征和Bubble detector的139维特征的转置进行点乘,然后取所有图像块的响应中的最大值作为该Bubble detector的值。对于所有的Bubble detector都执行这样的操作,就可以得到测试图像的特征表示,然后进行分类。
3.特征缩放:作者通过对于特征向量进行观察发现,将特征向量中的每一维都进行幂为p(p>1)的操作时,能够获得更好的效果。
五.使用的数据库
CUB-200, CUB-14六.实验结果
版权所有,欢迎转载,转载请注明出处,谢谢
相关文章推荐
- Unsupervised Template Learning for Fine-Grained Object Recognition(精读)
- A Codebook-Free and Annotation-Free Approach for Fine-Grained Image Categorization(精读)
- 人群行为分类数据库--Novel Dataset for Fine-grained Abnormal Behavior Understanding in Crowd
- Part-based R-CNNs for Fine-grained Category Detection(精读)
- 人群行为分类数据库--Crowd-11: A Dataset for Fine Grained Crowd Behaviour Analysis
- 论文阅读(4)--Part-Stacked CNN for Fine-Grained Visual Categorization
- caffe版本-车型检测-A Large-Scale Car Dataset for Fine-Grained Categorization and Verification
- BoxCars: 3D Boxes as CNN Input for Improved Fine-Grained Vehicle Recognition
- [论文笔记] MobileWorks: A Mobile Crowdsourcing Platform for Workers at the Bottom of the Pyramid (Human Computation, 2011)
- 论文阅读笔记 - Mesos: A Platform for Fine-Grained ResourceSharing in the Data Center
- Look Closer to See Better Recurrent Attention Convolutional Neural Network for Fine-grained Image Re
- 多任务学习“Embedding Label Structures for Fine-Grained Feature Representation”
- 论文提要“Part-based R-CNNs for Fine-grained Category Detection”
- 论文阅读(2)--Picking Deep Filter Responses for Fine-grained Image Recognition
- 《Mesos: A Platform for Fine-Grained Resource Sharing in the Data Center》 论文解读
- 论文阅读笔记 - Mesos: A Platform for Fine-Grained ResourceSharing in the Data Center
- [论文笔记] Leveraging the crowd as a source of innovation Does crowdsourcing represent a new model for product and service innovation? (SIGMIS-CPR, 2012)
- The Application of Two-level Attention Models in CNN for Fine-grained Image Classification
- [论文笔记] Collaborative workflow for crowdsourcing translation (CSCW, 2012)
- 车型识别“Hyper-class Augmented and Regularized Deep Learning for Fine-grained Image Classification”