Learning and Transferring Mid-Level Image Representations(泛读)

一.文献名字和作者

    Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks, CVPR2014

   

二.阅读时间

    2014年10月4日

三.文献的贡献点

    文献主要提出了一种称为迁移学习的方法，也就是将从其他数据集上面学习到卷积神经网络CNN当做一个普通的底层和中层特征提取器，然后用于其他的训练样本比较小的数据集上面。为了解决源数据集和目标数据集的类别不同的情况，作者将使用源数据集训练得到的CNN的最后一层去掉，然后添加了两个全连接层，而对于输入的处理，作者则是将目标数据集的图像进行了分块，然后对于每一块图像进行了类别判断，然后将判断结果进行叠加，最后查看每一个类别的得分，同时，作者也将这个方法用到了定位上面，取得了不错的效果，实现的过程非常巧妙，很值得阅读。

    不过这篇文章中提到的将从大数据集上面学习到的CNN用于初始化小数据集的CNN的思想，在其他的文章上面已经有提到过，只不过其他作者没有用到transfer Learning的概念，有时，将概念进行包装也是一种很好的发论文方法。

    关于论文的project：http://www.di.ens.fr/willow/research/cnn/

    

版权所有，欢迎转载，转载请注明出处，谢谢