[论文解读] Collaborative Receptive Field Learning

Shu Kong, Zhuolin Jiang+1 more|arXiv (Cornell University)|Feb 2, 2014

Visual and Cognitive Learning Processes参考文献 31被引用 3

一句话总结

本文提出协同感受野学习（coRFL），一种弱监督方法，通过子模优化框架在多幅图像中发现类别特定的、聚焦前景的图像区域（感受野）。通过引入金字塔误差距离（PED）来度量区域相似性，并采用非参数分类器，coRFL 在无需边界框标注的情况下提升了图像分类性能，通过仅保留有意义的物体区域，有效净化了训练数据。

ABSTRACT

The challenge of object categorization in images is largely due to arbitrary translations and scales of the foreground objects. To attack this difficulty, we propose a new approach called collaborative receptive field learning to extract specific receptive fields (RF's) or regions from multiple images, and the selected RF's are supposed to focus on the foreground objects of a common category. To this end, we solve the problem by maximizing a submodular function over a similarity graph constructed by a pool of RF candidates. However, measuring pairwise distance of RF's for building the similarity graph is a nontrivial problem. Hence, we introduce a similarity metric called pyramid-error distance (PED) to measure their pairwise distances through summing up pyramid-like matching errors over a set of low-level features. Besides, in consistent with the proposed PED, we construct a simple nonparametric classifier for classification. Experimental results show that our method effectively discovers the foreground objects in images, and improves classification performance.

研究动机与目标

• 为解决图像分类中任意物体平移与尺度变化的挑战，通过学习类别特定的感受野，而无需精确的物体定位。
• 开发一种协作框架，仅使用类别级别标签，联合识别同一类别多幅图像中的显著图像区域。
• 通过仅保留最具判别性的、聚焦前景的感受野，净化训练数据，从而提升图像分类性能。
• 设计一种稳健的非参数相似性度量（PED），用于比较具有不同尺寸和空间配置的图像区域。

提出的方法

• 该方法将感受野发现建模为在由候选感受野构建的相似性图上进行子模函数最大化的问题。
• 提出金字塔误差距离（PED），一种非参数度量，通过在多层低级 SIFT 特征上求和金字塔式匹配误差来计算区域相似性。
• 应用具有学习得到的尺度参数 σ 的高斯核，将基于 PED 的相异度图转换为相似度图，用于图结构构建。
• 子模目标函数引入约束，确保每幅图像至少贡献一个正样本感受野（通过 λ₁），并引入中心偏差以偏好中心物体位置（通过 λ₂）。
• 使用贪心算法求解子模优化，为选择最具代表性的感受野提供性能保障。
• 基于 PED 设计非参数分类器，将查询图像与所选感受野的净化训练集进行匹配。

实验结果

研究问题

• RQ1 我们能否仅使用弱类别级别标签，在同一类别的多幅图像中有效发现前景物体区域？
• RQ2 如何在支持稳健区域匹配的前提下，度量具有不同尺寸和空间配置的图像区域之间的相似性？
• RQ3 结合视觉先验的子模优化在多大程度上能提升为物体分类而选择判别性感受野的性能？
• RQ4 基于所提出的 PED 度量的非参数分类器能否在对数据分布假设极少的情况下实现具有竞争力的性能？

主要发现

• 所提出的 coRFL 框架成功在无需边界框标注的情况下，从多幅图像中识别出前景物体区域，显著提升了训练集质量。
• 金字塔误差距离（PED）度量能有效捕捉跨不同尺度和平移的区域相似性，在区域匹配任务中优于标准的基于特征的距离度量。
• 在 Caltech101 和合成数据上的实验表明，coRFL 通过聚焦显著的、类别特定的图像区域，提升了分类准确率。
• 该方法对参数变化具有鲁棒性，尤其在 τ 和 λ₂ 参数上表现稳定，且在相似度图构建中，σ = 0.3 时达到最优性能。
• 子模优化框架实现了高效且性能有保障的感受野选择，使其适用于大规模图像数据集。
• 基于 PED 的非参数分类器取得了优异的分类结果，验证了净化后训练集的有效性。