综述|基于深度学习方式的场景分类算法

点击上方“3D视觉工坊”,选择“星标”

干货第一时间送达

作者丨黄浴@知乎

来源丨https://zhuanlan.zhihu.com/p/351351953

编辑丨3D视觉工坊

arXiv2021年1月26日上传的综述论文:“Deep Learning for Scene Classification: A Survey”。

景物分类是计算机视觉中历史悠久的课题,大规模的数据集出现以及具有强大特征表征能力深度学习的复兴,给这个领域带来了巨大的进步。该综述包括了技术挑战、基准数据集、景物分类法和量化性能等方面的总结。(注:现在关心这个题目的确实不多了)

景物分类的应用很广,包括基于内容检索、机器人导航、视频监控、AR和灾难检测等。其技术核心是景物表征,这也是深度学习的强处。不过,这个问题的挑战性在于巨大的类内变化、语义的多义和计算效率。

回顾一下历史,如下可以看到这20年的发展:

下图是一些开源数据集的例子:室内/室外

数据集比较表:除了RGB图像,还有RGB-D。

一个通用的深度学习方法流程图如下:类似于图像分类

几个典型CNN模型做景物分类的示意图:

Global Average Pooling (GAP) layer + Class Activation Mapping(CAM)

Dictionary Learning CNN (DL-CNN)

Contextual features in Appearance (CFA) based on LSTM

spatial unstructured layer

基于CNN的表征方法,如图列出5个典型的架构图:沙漏作为主干网络

a)HLSTM 是一种基于CNN特征的全局方法,可从整个图像中提取深度特征。空间LSTM用于对图像区域的空间布局2D特性建模。此外,通过多个LSTM层捕获跨尺度的上下文依存关系。

(b)SFV,一种基于空间不变特征的方法,采集密集补丁,提取局部特征。SFV的重点是加入自然的参数化模式,将语义空间转换为自然的参数空间。

(c)WELDON,一种基于语义特征的方法,从top evidence(红色)和负样本(黄色)中提取深度特征。在WSP方案中,有使用max-层和min-层分别选择正例和负例的做法。

(d)FTOTLM 是一种典型的多层特征方法,从每个残差模块中提取深度特征。

(e)Scale-specific network,一种基于多视图特征的结构,场景为中心的CNN从粗版提取深层特征,而目标为中心的CNN从精细补丁提取特征。这两种类型的深层特征相互补充。

改进景物表征的策略分为4种:encoding strategy, attention strategy, contextual strategy 和 regularization strategy。

编码策略如下图的Fisher向量编码:

注意机制的策略如图:

上下文策略如图:

最后正则化策略:稀疏、结构化、有监督和其他方法等。

针对RGB-D数据的景物分类,会有深度有关的特征学习方法和多模式融合方法。

性能比较,如下表:

最后提出一些今后的工作方向:

·网络框架

·丰富的景物数据集

·标注数据依赖性降低 (半监督、无监督、自监督)

·少样本学习

·鲁棒性 (对抗学习)

·实时性

·非平衡 (长尾效应)

·连续学习

·多标注的学习

·新传感器数据:视频、点云等

本文仅做学术分享,如有侵权,请联系删文。

下载1

在「3D视觉工坊」公众号后台回复:3D视觉即可下载 3D视觉相关资料干货,涉及相机标定、三维重建、立体视觉、SLAM、深度学习、点云后处理、多视图几何等方向。

下载2

在「3D视觉工坊」公众号后台回复:3D视觉github资源汇总即可下载包括结构光、标定源码、缺陷检测源码、深度估计与深度补全源码、点云处理相关源码、立体匹配源码、单目、双目3D检测、基于点云的3D检测、6D姿态估计源码汇总等。

下载3

在「3D视觉工坊」公众号后台回复:相机标定即可下载独家相机标定学习课件与视频网址;后台回复:立体匹配即可下载独家立体匹配学习课件与视频网址。

重磅!3DCVer-学术论文写作投稿 交流群已成立

扫码添加小助手微信,可申请加入3D视觉工坊-学术论文写作与投稿 微信交流群,旨在交流顶会、顶刊、SCI、EI等写作与投稿事宜。

同时也可申请加入我们的细分方向交流群,目前主要有3D视觉CV&深度学习SLAM三维重建点云后处理自动驾驶、多传感器融合、CV入门、三维测量、VR/AR、3D人脸识别、医疗影像、缺陷检测、行人重识别、目标跟踪、视觉产品落地、视觉竞赛、车牌识别、硬件选型、学术交流、求职交流、ORB-SLAM系列源码交流、深度估计等微信群。

一定要备注:研究方向+学校/公司+昵称,例如:”3D视觉 + 上海交大 + 静静“。请按照格式备注,可快速被通过且邀请进群。原创投稿也请联系。

▲长按加微信群或投稿

▲长按关注公众号

3D视觉从入门到精通知识星球:针对3D视觉领域的知识点汇总、入门进阶学习路线、最新paper分享、疑问解答四个方面进行深耕,更有各类大厂的算法工程人员进行技术指导。与此同时,星球将联合知名企业发布3D视觉相关算法开发岗位以及项目对接信息,打造成集技术与就业为一体的铁杆粉丝聚集区,近3000星球成员为创造更好的AI世界共同进步,知识星球入口:

学习3D视觉核心技术,扫描查看介绍,3天内无条件退款

 圈里有高质量教程资料、可答疑解惑、助你高效解决问题

觉得有用,麻烦给个赞和在看~  

3D视觉工坊 CSDN认证博客专家 算法 3D视觉
个人公众号:3D视觉工坊。公众号特邀嘉宾及合伙人,先后就职于国内知名研究机构、自动驾驶公司、海康研究院,主要研究方向为深度学习、目标检测、语义分割、图像处理、自动驾驶感知算法等,CSDN博客专家。博主先后任职于国内知名研究院、知名大厂,致力于3D视觉算法、VLAM算法开发,涉及相机标定、手眼标定、结构光、点云后处理、三维重建等相关领域的研究,同时也是CSDN博客专家。3D视觉工坊坚持原创,近一年来输出了非常多的高质量文章,获得了粉丝的一致好评,我们将始终坚持走原创路线,打造一个铁杆粉丝的聚集区。
已标记关键词 清除标记
相关推荐
©️2020 CSDN 皮肤主题: 书香水墨 设计师:CSDN官方博客 返回首页
实付 49.90元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值