【论文笔记】DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition
时间： 2014/7/29 10:00
论文题目： DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition
作者：JeffDonahue, Yangqing Jia,Oriol Vinyals
来源：这个就是大名鼎鼎的Caffe的前身Decaf，目前Decaf已经不再维护，转为caffe，而且caffe在github上面很活跃；
内容 : 作者主要想论证深度CNN在ImageNet分类训练好的模型，然后利用它提取的特征是不是能够用于其他新的任务，比如：场景识别，子类识别（鸟类），而且作者也实现了可视化了这些特征。
观点： 为什么需要这样的迁移学习，因为很少有领域有像ImageNet那么多的数据可供深度学习学习参数，比如，像鸟类识别中，其提供的类别训练数据也是非常有限的，其实在之前的很多方法中都有涉及到这个领域，感觉ImageNet 2012 上面训练好的CNN模型对于输入图片所得到的特征也会像SIFT特征那样作为一个通用特征提取方法；
方法： 作者利用CNN提取的特征+不同的分类方法（SVM，逻辑回归等）对目标识别（Caltech-101数据库），领域自适应（Office数据集，），子类识别（鸟类识别，采用 Caltech-UCSD数据库），情景识别（SUN-397数据库）这四个任务上都取得了比之前好的多的效果；
结论：1. 利用CNN模型（特征ImageNet2012的那个CNN模型）提取到的特征可以作为通用的视觉特征，并且利用这个特征去做一些视觉任务可以得到一个很好的效果；2. CNN模型提取到的特征具有语义聚类的特性，
目标识别中，DeCaf 7 提取的特征的识别效果比 DeCaf 6提取的特征的识别效果不好，这点好像没有做很好的解释。
量化了CNN各个阶段的时间：
从中可以看出卷积和全连接层用的时间最多，因为它们涉及到大量的矩阵之间的相乘。
【论文笔记】DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition相关推荐
- DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition 一般视觉识别的深度卷积刺激特征
DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition 一般视觉识别的深度卷积刺激特征 Abstra ...
- 【深度学习论文笔记】DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition
时间:2014/7/29 10:00 论文题目:DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognit ...
- DeCAF: A Deep Convolutional Activation Feature for Generic Visual Recognition
2018.4.22星期日 [1]Donahue J, Jia Y, Vinyals O, et al. DeCAF: A Deep ConvolutionalActivation Feature fo ...
- DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读报告（2）
4.实验 本文采用的深度卷积神经网络的原型是(Krizhevsky et al 2012).利用这个网络训练得到多种特征,然后在多个视觉任务上进行测试.本节讨论的"向前路径"计算法 ...
- DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读
DeCAF : CAFFE前身,但是在这篇文章中这不是重点,重点是在一个大型数据集合上进行训练的模型能否在其他数据集合上成功应用,因为有些领域数据集合时很少的,那么在这上面训练不现实,所以如果模型能够 ...
- 论文笔记：Very deep convolutional networks for large-scale image recognition（VGG）
一.基本信息 标题:Very deep convolutional networks for large-scale image recognition 时间:2014 出版源:arXiv 论文领域: ...
- [DeCAF]DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition
基本情况 ICML 2014的文章, arXiv:1310.1531 [cs.CV].主要通过实验证明transfer learning的可行性. Abstract 本文评估从大型固定的一组对象识别任 ...
- 论文笔记：GVCNN: Group-View Convolutional Neural Networks for 3D Shape Recognition
GVCNN: Group-View Convolutional Neural Networks for 3D Shape Recognition 1.四个问题 要解决什么问题? 3D shape re ...
- 细粒度论文笔记：双线性模型 《Bilinear CNN Models for Fine-Grained Visual Recognition》
双线性模型是2015年提出的一种细粒度图像分类模型.该模型使用的是两个并列的CNN模型,这种CNN模型使用的是AlexNet或VGGNet去掉最后的全连接层和softmax层,这个作为特征提取器,然后 ...
- DeCAF: A Deep Convolutional Activation Featurefor Generic Visual Recognition阅读报告（1）
1.问题描述 利用深度神经网络进行特征的提取和分类取得了很好的效果.在很多视觉会议的竞赛上,CNN(卷积神经网络)的方法效果都不错.一些"基准"的数据集例如:Caltech-101 ...
最新文章
- Node.js制作图片下载爬虫的一般步骤
- php设置ip,使用PHPIP的IP管理
- 2节点CentOS7 PackStack安装Newton
- wiki-editor语法
- 异步任务，邮箱任务，定时任务
- STM32之SysTick例程
- ObjectMapper忽略未知字段
- （编译适用于ARM的linux内核并进行QEMU仿真）Compile Linux kernel 3.2 for ARM and emulate with QEMU
- html5编辑漂亮静态页面工具_青岛HTML5与Web前端
- Bailian4042 Rabin-Karp字符串匹配【文本】
- 【图像边缘检测】基于matlab拉普拉斯算法图像边缘检测与增强【含Matlab源码 456期】
- vue 下载文件跨域
- 数学分析高等代数考研试题不断更新
- 2022数学建模美赛D题详细思路获取
- 算法训练 - 筛选号码 （有n个人围成一圈，顺序排号（编号为1到n）。从第1个人开始报数(从1到3报数)，凡报到3的人退出圈子。从下一个人开始继续报数，直到剩下最后一个人，游戏结束。）
- 教你看懂晦涩的5G英文缩写-初学者篇
- （转载博客园~雨落忧伤~）iis 设置了主机名 就不能访问
- NAACL同传Workshop：千言 - 机器同传
- CocosCreator之KUOKUO带你做音乐可视化
- 暑假好看的日剧来啦~~