FGVC |
您所在的位置:网站首页 › 双线性函数的秩 › FGVC |
这里写目录标题
基本的Bilinear CNN降低维度Compact Bilinear Pooling-CVPR2016Low-rank Bilinear Pooling for Fine-Grained Classification-CVPR2017
跨层双线性池化Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition-ECCV2018
AAAI 2020 paper: "Revisiting Bilinear Pooling: A Coding Perspective".
基本的Bilinear CNN
原文:Bilinear CNNs for Fine-grained Visual Recognition pytorch代码:https://github.com/HaoMood/bilinear-cnn 特征提取 特征提取一般采用CNN,根据是否共享,可以由如下三种方式: 双线性combination 主要就是用外积(matrix outer product)来组合两个CNN(A和B)的feature map (当然也可以不用CNN) 对于图片
I
I
I和位置
l
l
l,其双线性combination为: pooling函数 pooling函数整合所有位置的bilinear combination,来得到图片的全局信息: 分类 原文分类采用了SVM 降低维度 Compact Bilinear Pooling-CVPR2016由于上述模型的得到的特征维度较高,那么得到的参数数目较多,计算量较大,存储和读取开销较大。这篇文章就采用了一种映射的方法,希望能够达到Bilinear model的performance情况,能够尽量的减少特征的维数。 首先,论文将bilinear model 看做是一种核方法的形式,对于不同的 x的不同特征,x,y,可以进行如下的核方法转化。 这篇文章的目的也是要降低参数维度。同时,提高模型的精度。论文与原始论文模型不同的是,这篇论文采用对称的网络模型,也就是两个steam是相同的,那么只需要训练一个CNN过程就好,大大的减少了计算的开支。同时特征的意义就变为在位置i上特征的相关性矩阵。最后论文采用了一个低秩的分类器进行分类。 Hierarchical Bilinear Pooling for Fine-Grained Visual Recognition论文笔记 作者源码—caffe pytorch实现1 —acc=80.42 pytorch实现2—骨干网resnet 贡献: 我们开发了一种简单但有效的跨层双线性池技术,它同时支持特性的层间交互,并以一种相互增强的方式学习细粒度表示。.在跨层双线性池的基础上,提出了一种分层双线性池集成框架,对多个跨层双线性模块进行集成,从中间卷积层获取互补信息,提高性能。 2.在跨层双线性池的基础上,提出了一种分层双线性池集成框架,对多个跨层双线性模块进行集成,从中间卷积层获取互补信息,提高性能。我们对三个具有挑战性的数据集(幼鸟、斯坦福汽车、fgvc飞机)进行了综合实验,结果证明了我们方法的有效性。我们对三个具有挑战性的数据集(幼鸟、斯坦福汽车、fgvc飞机)进行了综合实验,结果证明了我们方法的有效性。整体模型结构: 总的来说 Hierarchical Bilinear Pooling 比 Bilinear Pooling多的就是层之间的交互,具体是这样实现的:以最简单的结构举例,假设两个CNN都采用VGG-16结构,去掉VGG的全连接层,卷积层最后三层定义为relu5_1, relu5_2, relu5-3,Bilinear Pooling 就是将CNN1的relu5-3和CNN2的relu5-3做了Bilinear Pooling操作,得到的结果进行分类。而Hierarchical Bilinear Pooling是将CNN2的relu5-3分别和CNN1的relu5-1,relu5-2,relu5-3做Bilinear Pooling操作,得到三组特征,并将这些特征拼接在一起,最后进行分类。 结果对比: FBP表示Factorized Bilinear Pooling(Hadamard product for low-rank bilinear pooling. arXiv preprint arXiv:1610.04325 (2016)) CBP表示Cross-layer Bilinear Pooling HBP表示Hierarchical Bilinear Pooling 源代码 新角度看双线性池化,冗余、突发性问题本质源于哪里? |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |