[论文解读] Classic versus deep learning approaches to address computer vision challenges

Nati Ofir, Jean‐Christophe Nebel|arXiv (Cornell University)|Jan 24, 2021

Advanced Image and Video Retrieval Techniques参考文献 31被引用 5

一句话总结

本文对比了经典方法与深度学习（DL）方法在两项具有挑战性的计算机视觉任务——微弱边缘检测与多光谱图像配准中的表现，表明尽管DL模型在准确性和对几何变化的鲁棒性方面表现更优，但其需要大量训练数据、GPU加速支持，且缺乏可解释性；而经典方法虽准确度较低、开发较慢，却更具透明性与适应性。

ABSTRACT

Computer vision and image processing address many challenging applications. While the last decade has seen deep neural network architectures revolutionizing those fields, early methods relied on 'classic', i.e., non-learned approaches. In this study, we explore the differences between classic and deep learning (DL) algorithms to gain new insight regarding which is more suitable for a given application. The focus is on two challenging ill-posed problems, namely faint edge detection and multispectral image registration, studying recent state-of-the-art DL and classic solutions. While those DL algorithms outperform classic methods in terms of accuracy and development time, they tend to have higher resource requirements and are unable to perform outside their training space. Moreover, classic algorithms are more transparent, which facilitates their adoption for real-life applications. As both classes of approaches have unique strengths and limitations, the choice of a solution is clearly application dependent.

研究动机与目标

• 探究经典方法与深度学习（DL）方法在解决两个具有挑战性且病态的计算机视觉问题（即微弱边缘检测与多光谱图像配准）中的优势与局限性。
• 评估准确度、速度、开发时间、对几何变换的鲁棒性以及可解释性等因素在经典方法与DL方法之间的差异。
• 评估这些差异对实际部署的影响，特别是在对透明度与可靠性要求较高的敏感领域。
• 考察DL模型与经典算法在不同成像领域与任务间的可重用性与可迁移性。
• 为从业者提供实用建议，根据具体应用场景的约束条件，判断何时选择经典方法或DL方法。

提出的方法

• 本研究评估了用于微弱边缘检测的最先进DL与经典算法，包括FED-CNN（DL）与FastEdges（经典），使用包含微弱、弯曲边缘的医学图像与低光照图像。
• 针对多光谱图像配准，论文比较了基于DL的不变描述子与经典基于特征的方法，评估其在可见光与红外光谱波段间的配准精度。
• 性能通过F1-score、Dice系数与配准误差等标准指标进行评估，并在包含噪声与几何失真的多种图像条件下进行对比。
• 在CPU与GPU硬件上测量开发时间与计算效率，以评估实际部署中的约束条件。
• 本研究基于对所有方法开发过程的内部知识，实现了对实现复杂度与可重用性的直接比较。
• DL模型在特定领域数据集上进行训练，其性能在分布外图像上进行测试，以评估泛化能力与鲁棒性。

实验结果

研究问题

• RQ1 在微弱边缘检测中，深度学习与经典方法在准确度及对噪声与几何变化的鲁棒性方面有何差异？
• RQ2 在这些任务中，经典方法与DL解决方案在开发时间、计算需求及硬件依赖性（CPU与GPU）方面有何不同？
• RQ3 DL模型在训练分布之外的图像领域中泛化能力如何？与经典方法相比表现如何？
• RQ4 经典算法的可解释性与理论透明性，与训练后DL模型的“黑箱”特性相比如何？
• RQ5 DL架构在不同视觉任务间的可重用性如何？与经典算法的可适应性相比有何差异？

主要发现

• 在微弱边缘检测与多光谱图像配准任务中，DL模型的准确度显著高于经典方法，尤其在噪声较大或图像复杂的场景下表现更优。
• DL模型对旋转、缩放等几何变换具有较强的鲁棒性，而经典方法在这些变化下性能下降更明显。
• 经典方法更具可解释性且理论基础更扎实，可提供性能的量化上限；而DL模型的内部机制仍不透明。
• DL解决方案需依赖GPU以实现实用的推理速度，而经典方法可在CPU上高效运行，从而在资源受限环境中更具可部署性。
• 一旦训练数据可用，DL模型的开发时间显著缩短，因为现有CNN架构可快速微调并复用于新任务。
• 当DL模型应用于分布外图像时，常出现灾难性失败，而经典方法的性能退化更可预测。