CNN Features as-of-the-off: a Remarkable Performance in Recognition Tasks 论文笔记

摘要内容提炼

最新研究显示，卷积神经网络所提取的通用描述符展现出极强的表达能力。多项实验证据进一步支持了这一结论。我们针对多个识别任务开展了一系列实验，实验中采用的是OverFeat网络，并在ILSVRC13数据集上完成图像分类训练。通过从该网络中提取特征作为通用图像表示，我们将其应用于图像分类、场景识别、细粒度识别、属性检测以及图像检索等多类视觉任务。令人意外的是，在多个数据集上的各类视觉分类任务中，与当前最先进的系统相比，我们的方法几乎在所有情况下均取得了显著优势。实验结果充分说明，由卷积神经网络深度学习模型所获得的特征应成为多数视觉识别任务中的首选方案。

1 介绍

“你是否认为深度学习在应对计算机视觉问题上是有效的？”这样的疑问或许正是你们小组在咖啡厅中讨论时提出的。对于这一问题，有人通过实践获得了成功，也有人持怀疑态度。你或许会感到些许沮丧，心想：“要实现自己的网络训练，需要掌握GPU编程技巧以及大量标注数据，而我目前并没有足够的时间去完成这些。”然而，随着OverFeat网络的开源发布，我们终于有机会进行一些实验了。我们希望探讨一个问题：是否无需专门为某一任务专门训练一个深度网络，而是可以直接从已有的深度网络中提取特征（该特征是在ImageNet数据集上经过精细训练并用于图像分类的），从而应用于多种视觉任务。在此，我们分享我们的讨论内容和部分发现