[论文解读] Deep Learning Approach for Very Similar Objects Recognition Application on Chihuahua and Muffin Problem

Enkhtogtokh Togootogtokh, Amartuvshin Amarzaya|arXiv (Cornell University)|Jan 29, 2018

Image and Object Detection Techniques参考文献 2被引用 5

一句话总结

本文提出了一种深度迁移学习方法，以解决识别极为相似物体（如柯基犬和玛芬）这一具有挑战性的问题，此类物体甚至对人类视觉也难以区分。通过利用预训练模型并在小样本数据集上进行微调，该方法在仅需极少数据的情况下，实现了在区分高度相似视觉类别方面的最先进准确率。

ABSTRACT

We address the problem to tackle the very similar objects like Chihuahua or muffin problem to recognize at least in human vision level. Our regular deep structured machine learning still does not solve it. We saw many times for about year in our community the problem. Today we proposed the state-of-the-art solution for it. Our approach is quite tricky to get the very high accuracy. We propose the deep transfer learning method which could be tackled all this type of problems not limited to just Chihuahua or muffin problem. It is the best method to train with small data set not like require huge amount data.

研究动机与目标

• 解决识别极为相似物体（如柯基犬和玛芬）这一长期存在的挑战，此类物体甚至对人类视觉水平也难以区分。
• 开发一种在小样本数据集上有效运行的解决方案，避免大规模数据收集的需求。
• 提出一种迁移学习框架，其适用范围不仅限于柯基犬与玛芬的问题，还可推广至其他类似物体识别任务。
• 在视觉相似类别之间的细粒度识别任务中实现最先进性能。

提出的方法

• 该方法采用基于预训练深度神经网络的迁移学习，将其在包含极为相似物体的小型专用数据集上进行微调。
• 利用在大规模数据集（如ImageNet）上预训练的深度卷积神经网络（CNN）层进行特征提取。
• 在有限数量的柯基犬和玛芬的标注样本上对模型进行微调，以适应特定的分类任务。
• 应用一种自定义的数据增强策略，以提升小样本数据集上的泛化能力并减少过拟合。
• 在微调后的特征上端到端训练最终分类器，以增强对高度相似类别的判别能力。
• 该方法设计为可扩展，并可应用于柯基犬与玛芬案例之外的其他细粒度视觉识别问题。

实验结果

研究问题

• RQ1 在训练数据有限的情况下，迁移学习能否在识别柯基犬和玛芬等极为相似物体时实现高准确率？
• RQ2 在小样本数据集上微调预训练深度网络，如何提升其在细粒度分类任务中的性能？
• RQ3 与从零开始训练相比，迁移学习在小规模、高度相似物体识别任务中的有效性如何？
• RQ4 该方法在多大程度上可推广至柯基犬与玛芬案例之外的其他细粒度视觉识别问题？
• RQ5 在低数据环境下，哪些特定的数据增强与微调策略能最大化相似物体识别的性能？

主要发现

• 所提出的深度迁移学习方法在柯基犬与玛芬识别任务中实现了最先进性能，显著优于标准深度学习方法。
• 即使训练样本数量极少，该方法仍表现出高准确率，证明其在低数据环境下的有效性。
• 在目标数据集上对预训练模型进行微调，显著提升了对视觉上相似类别的判别能力。
• 该方法在柯基犬与玛芬的具体案例之外也表现出良好的泛化能力，适用于其他细粒度识别问题。
• 迁移学习的使用减少了过拟合现象，并在训练数据有限时提升了模型的鲁棒性。