使用 ConvNets 和 GPU 高效进行即时分类检索

Jul, 2014

使用 ConvNets 和 GPU 高效进行即时分类检索

Efficient On-the-fly Category Retrieval using ConvNets and GPUs

Ken Chatfield, Karen Simonyan, Andrew Zisserman

TL;DR本文采用卷积神经网络 (ConvNets) 在需要时进行检索以提高检索精度和速度，证明了其适用于大规模图像检索任务中，具有领先的性能。

Abstract

We investigate the gains in precision and speed, that can be obtained by using convolutional networks (ConvNets) for on-the-fly retrieval - where classifiers are learnt at run time for a textual query from downloaded images, and used to rank large image or video datasets. We make three

convolutional networks image retrieval state-of-the-art image representations dimensionality reduction on-the-fly learning

发现论文，激发创造

高性能神经网络用于视觉物体分类

本研究使用 GPU 实现卷积神经网络，并利用监督学习的方法进行特征提取，通过设计深度分层结构比以往浅层网络获得更好的性能，在目标分类和手写数字识别任务中取得了目前最佳的结果。

Feb, 2011

深度卷积神经网络的视觉实例检索

本文研究使用卷积网络所提供的图像表示在视觉实例检索任务中的可用性，并通过利用多尺度图像特征提取方案，特别地，通过将几何不变性纳入到明确的位置、尺度和空间一致性中的方法来提取来自于该网络的局部特征，实验结果表明，如果对其进行适当提取，那么通用卷积网络图像表示法可优于其他先进方法。

Dec, 2014

移动设备上的量化卷积神经网络

该研究提出了一种名为量化卷积神经网络的模型，旨在通过量化卷积层中的滤波器核和全连接层中的权重矩阵，实现计算效率的提升和存储内存开销的降低，相对于非量化模型，该模型在 ILSVRC-12 基准测试中达到 4~6 倍的加速和 15~20 倍的压缩，仅有 1% 左右的分类准确率损失，并且甚至可以在移动设备上在一秒内精准分类照片。

Dec, 2015

深度卷积网络在文件图像分类和检索中的评估

本文提出了一种利用深度卷积神经网络学习特征进行文档图像分类和检索的最新技术，证实与手工制作的替代方法相比，能够更好地学习抽象特征，且具有压缩鲁棒性和跨领域迁移性，并在新的 IIT-CDIP 数据集中提供了 400,000 个文档图像用于深度学习。

Feb, 2015

CBinfer: 基于变化进行的卷积神经网络视频推断

本论文提出一种新的算法，利用像素变化的时空稀疏性，对静态摄像机录制的视频数据进行卷积神经网络的基于变化的评估，从而实现本地视频数据的处理，其速度比 cuDNN 基准测试平均快 8.6 倍，精度损失不到 0.1％，不需要对网络进行重新训练，而能源效率可达 328 GOp /s/ W。

Apr, 2017

用于视觉实例搜索的类加权卷积特征

本文提出了一种基于目标图像预测的语义信息的局部感知编码方法，在图像检索中使用卷积神经网络和类激活图进行无监督重排和目标检测，证明了其在 Oxford5k 和 Paris6k 等公共数据集上的优越性能。

Jul, 2017

CBinfer：利用帧间局部性加速卷积神经网络对视频流的推断

采用新算法利用空间 - 时间稀疏性在计算机视觉中取得了高能效，即使在嵌入式设备上不需要重新训练网络，也可在语义分割应用中达到快速且准确的实时推断

Aug, 2018

重新思考 Inception 架构在计算机视觉中的应用

本篇论文主要研究了如何利用适当分解卷积和激进的正则化等方法，使卷积神经网络计算效率最大化，并以 ILSVRC2012 分类挑战作为基准，报告了使用少于 2500 万参数的 5 亿乘加运算成本的网络，评估单帧评估的 top-1 误差 21.2％和 top-5 误差 5.6％的显著成果。

Dec, 2015

基于 ConvNet 特征的场所识别性能研究

本文綜合評估和比較了三種先進的 ConvNets 在導航機器人的特定挑戰中的實用性，並優化了現有 (局部敏感哈希) 和新的 (語義搜索空間劃分) 優化技術，實現了基於 ConvNets 實時地點識別性能的提升，證實了語義地點分類的網絡也在 (特定) 地點識別方面表現更好。

Jan, 2015

卷积神经网络的效率研究

通过优化卷积神经网络架构和使用融合块核心技术，实现了计算效率和准确性的提升。

Apr, 2024