Learning Fine-grained Image Similarity with Deep Ranking(泛读)

一.文献名字和作者

    Learning Fine-grained Image Similarity with Deep Ranking, CVPR2014
   

二.阅读时间

    2014年10月1日



三.文献的贡献点

    文献提出了一种基于深度投票机制的图片细粒度相似性,以及一种在线训练算法。
    深度投票机制主要基于三个部分的模型的组合,其中一个是深度卷积神经网络,另外两个是将下采样,卷积层和maxpooling层组合起来的浅层结构。深度结构主要是用于提取强大的不变性和语义级别的特征,而两个浅层结构主要是提取较少的不变性和视觉上的特征。
    对于该结构如何进行训练和在线学习部分,没有仔细看,但是,在线学习肯定会是一个好的研究方向。
    将高层次结构和低层次结构进行融合,然后作为一个特征进行其他的处理,这个本来是以前人工选择特征时候的做法,现在也出现在深度学习学习到的特征和底层特征之间了。
    深度结构学习到的特征一般都是抽象级别比较高的,对于一向应用场景可能并不是使用,例如需要细粒度的地方,因此,可以在需要细粒度的地方融合深度学习学到的抽象特征和浅层结构学习到特征,也许能提高效果。

Learning Fine-grained Image Similarity with Deep Ranking(泛读)_第1张图片








版权所有,欢迎转载,转载请注明出处,谢谢





你可能感兴趣的:(Deep_Learning,文献阅读,DL文献阅读与感悟,CVPR,文献阅读,deep,learning)