HCP: A Flexible CNN Framework for Multi-label Image Classification论文学习
2017-11-17 14:34
597 查看
HCP: A Flexible CNN Framework for Multi-label Image Classification论文学习
特点
1.训练集不需要默认正确的box标签
2.HCP结构可以过滤噪声或者不相关的假设box
3.共享cnn层可以预训练大型单标签数据集
4.可以输出多标签预测结果
输入为一张完整的覆盖多个独立物体的图,根据BING或者EdgeBoxes方法生成拥有高计算效果和高物体检测召回率的boxs,为了减低共享cnn层的计算量,提出了HS方法去过滤boxs(HS方法:最小面积不得小于900,宽高比或高宽比不得大于4,将BING或EdgeBoxes得分最高的boxs,归一化成正方形后输入共享cnn)
训练:初始化处理HCP主要包含两个部分,1、ImageNet预训练初始化共享cnn层。2、更改后面全连接网络输出(1000改为多分类个数,ImageNet分1000类),增加多标签labels为全连接层输入,并且增加图像微调(I-FT)处理。初始化之后,进行最大池化(Max-pooling)猜想微调(H-FT)。
实验结果
项目资料:http://blog.csdn.net/mr_curry/article/details/54629129
特点
1.训练集不需要默认正确的box标签
2.HCP结构可以过滤噪声或者不相关的假设box
3.共享cnn层可以预训练大型单标签数据集
4.可以输出多标签预测结果
## 整体思路
输入为一张完整的覆盖多个独立物体的图,根据BING或者EdgeBoxes方法生成拥有高计算效果和高物体检测召回率的boxs,为了减低共享cnn层的计算量,提出了HS方法去过滤boxs(HS方法:最小面积不得小于900,宽高比或高宽比不得大于4,将BING或EdgeBoxes得分最高的boxs,归一化成正方形后输入共享cnn)
训练:初始化处理HCP主要包含两个部分,1、ImageNet预训练初始化共享cnn层。2、更改后面全连接网络输出(1000改为多分类个数,ImageNet分1000类),增加多标签labels为全连接层输入,并且增加图像微调(I-FT)处理。初始化之后,进行最大池化(Max-pooling)猜想微调(H-FT)。
实验结果
项目资料:http://blog.csdn.net/mr_curry/article/details/54629129
相关文章推荐
- 多标签图像分类--HCP: A Flexible CNN Framework for Multi-Label Image Classification
- 论文笔记 | CNN-RNN:A Unified Framework for Multi-label Image Classification
- 论文阅读理解 - Learning Spatial Regularization for Multi-label Image Classification
- 深度学习论文理解3:Flexible, high performance convolutional neural networks for image classification
- 论文笔记:Multi-Scale Dense Networks for Resource Efficient Image Classification
- 论文笔记:Research and Implementation of a Multi-label Learning Algorithm for Chinese Text Classification
- 【论文阅读笔记】MULTI-SCALE DENSE NETWORKS FOR RESOURCE EFFICIENT IMAGE CLASSIFICATION
- Learning Spatial Regularization with Image-level Supervisions for Multi-label Image Classification
- Learning Spatial Regularization with Image-level Supervisions for Multi-label Image Classification
- 深度学习论文笔记--Depth Map Prediction from a Single Image using a Multi-Scale Deep Network
- 论文笔记:Deep convolutional activation features for large scale histopathology image classification
- [深度学习论文笔记][Image Classification] ImageNet Classification with Deep Convolutional Neural Networks
- 论文阅读:Volumetric and Multi-View CNNs for Object Classification on 3D Data
- 【深度学习】论文导读:图像识别中的深度残差网络(Deep Residual Learning for Image Recognition)
- [深度学习论文笔记][Image to Sentence Generation] Deep Visual-Semantic Alignments for Generating Image Descri
- 深度学习论文随记(四)ResNet 残差网络-2015年Deep Residual Learning for Image Recognition
- Andrew Ng 深度学习课程Deeplearning.ai 编程作业——deep Neural network for image classification(1-4.2)
- 深度学习论文笔记 [图像处理] Deep Residual Learning for Image Recognition
- 论文实践学习 - Multi-Context Attention for Human Pose Estimation
- [深度学习论文笔记][Video Classification] Beyond Short Snippets: Deep Networks for Video Classification