学习笔记之——双线性汇合(bilinear pooling)

本博文为学习笔记，博文的内容来自网上各种资料，在文末给出引用，本博文不作任何商业用途，仅供本人学习记录

 

细粒度图像分类旨在同一大类图像的确切子类。由于不同子类之间的视觉差异很小，而且容易受姿势、视角、图像中目标位置等影响，这是一个很有挑战性的任务。因此，类间差异通常比类内差异更小。双线性汇合（bilinear pooling）计算不同空间位置的外积，并对不同空间位置计算平均汇合以得到双线性特征。外积捕获了特征通道之间成对的相关关系，并且这是平移不变的。双线性汇合提供了比线性模型更强的特征表示，并可以端到端地进行优化，取得了和使用部位（parts）信息相当或甚至更高的性能。（换句话说，其实类似于之前博文提到过的covariance pooling，获得不通过空间位置的关系）

（关于细粒度图像分类任务的描述可以参考博文《（转）细粒度图像分析进展综述》）

数学基础

 

 

 

 

 

 

 

参考资料

https://mp.weixin.qq.com/s?__biz=MzU4MjQ3MDkwNA==&mid=2247487579&idx=1&sn=38976c117c36eca62c85cfe80ac440fd&chksm=fdb68dcccac104da5ecec8cc90cc9b3bd85e2875457abab99661e74d63d1a34d2f21f0990428&mpshare=1&scene=24&srcid=0612ypCQ3tZfNTYYA9cG7aSf#rd

https://www.cnblogs.com/yanxingang/p/10771624.html