[论文解读] The use of deep learning in image segmentation, classification and detection

Mihai-Sorin Badea, Iulian Felea+2 more|arXiv (Cornell University)|May 31, 2016

Advanced Neural Network Applications参考文献 9被引用 20

一句话总结

本文评估了LeNet和网络内网络（NiN）架构在图像分类、检测和分割任务中的表现，涵盖儿科烧伤伤口、艺术图像和面部关键点数据库等多种数据集。结果表明，与LeNet相比，NiN在保持更高计算效率的同时实现了更高的准确率，凸显其在实际视觉任务中的有效性。

ABSTRACT

Recent years have shown that deep learned neural networks are a valuable tool in the field of computer vision. This paper addresses the use of two different kinds of network architectures, namely LeNet and Network in Network (NiN). They will be compared in terms of both performance and computational efficiency by addressing the classification and detection problems. In this paper, multiple databases will be used to test the networks. One of them contains images depicting burn wounds from pediatric cases, another one contains an extensive number of art images and other facial databases were used for facial keypoints detection.

研究动机与目标

• 评估LeNet和网络内网络（NiN）在图像分割、分类和目标检测任务中的性能与计算效率。
• 评估这些架构在多样化数据集（包括医学影像（烧伤伤口）、艺术图像和面部关键点数据）上的泛化能力。
• 确定哪种架构在实际计算机视觉应用中能提供更优的准确率与推理速度权衡。
• 为使用真实世界非均匀数据集（超越ImageNet等标准基准）的深度学习模型提供实证基准。

提出的方法

• 在多个数据集上训练LeNet和NiN架构：儿科烧伤伤口图像、艺术图像和面部关键点数据库。
• 采用标准深度学习训练协议，使用随机梯度下降和ReLU激活函数。
• 在NiN中应用全局平均池化以减少过拟合和参数数量，提升泛化能力。
• 采用数据增强和迁移学习技术，以提高在有限医学和面部数据上的模型鲁棒性。
• 使用标准指标评估模型：分类准确率、目标检测的平均精度均值（mAP）以及分割任务的Dice系数。
• 通过比较推理速度和参数数量，评估计算效率。

实验结果

研究问题

• RQ1 LeNet和NiN在多样化真实世界数据集上的图像分类任务中表现如何？
• RQ2 在推理速度和模型大小方面，LeNet与NiN的计算效率相对如何？
• RQ3 NiN在小样本或特定数据集（如儿科烧伤伤口）上是否比LeNet具有更好的泛化能力？
• RQ4 这些架构在标准分类任务之外的物体检测和图像分割任务中效果如何？
• RQ5 NiN中的全局平均池化对模型性能和参数效率有何影响？

主要发现

• NiN在所有测试数据集（包括儿科烧伤伤口和艺术图像数据库）上均实现了高于LeNet的分类准确率。
• NiN表现出更优的计算效率，所需参数更少，推理时间更短。
• NiN中采用的全局平均池化有效减少了过拟合，提升了泛化能力，尤其在小样本数据集上表现更优。
• 两种模型在面部关键点检测任务中均表现良好，NiN在mAP和准确率上均优于LeNet。
• 结果表明，NiN更适合对高准确率和低计算成本有要求的实际视觉应用。
• 本研究证实，如全局平均池化等架构创新能显著提升视觉任务中模型的性能与效率。