Does Pooling Really Matter? An Evaluation on Gait Recognition

Autor(es)

Goncalves dos Santos, Claudio Filipi ; Moreira, Thierry Pinheiro ; Colombo, Danilo ; Papa, Joao Paulo ; Nystrom, I ; Heredia, YH ; Nunez, VM

• Tipo de documento: Artigo Científico
• Fonte: PROGRESS IN PATTERN RECOGNITION, IMAGE ANALYSIS, COMPUTER VISION, AND APPLICATIONS (CIARP 2019); v. 11896, p. 10-pg., 2019-01-01.

Resumo

Most Convolutional Neural Networks make use of subsampling layers to reduce dimensionality and keep only the most essential information, besides turning the model more robust to rotation and translation variations. One of the most common sampling methods is the one who keeps only the maximum value in a given region, known as max-pooling. In this study, we provide pieces of evidence that, by removing this subsampling layer and changing the stride of the convolution layer, one can obtain comparable results but much faster. Results on the gait recognition task show the robustness of the proposed approach, as well as its statistical similarity to other pooling methods. (AU)

• Processo FAPESP: 16/06441-7 - Recuperação de informação semântica em grandes bases de vídeos
• Beneficiário: Jurandy Gomes de Almeida Junior
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 17/25908-6 - Aprendizado fracamente supervisionado para análise de vídeos no domínio comprimido em tarefas de recuperação e classificação para alertas visuais
• Beneficiário: João Paulo Papa
• Modalidade de apoio: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Processo FAPESP: 14/12236-1 - AnImaLS: Anotação de Imagem em Larga Escala: o que máquinas e especialistas podem aprender interagindo?
• Beneficiário: Alexandre Xavier Falcão
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs