Color quantization in transfer learning and noisy scenarios: an empirical analysis using convolutional networks

Autor(es)

Nazare, Tiago S. ; Paranhos da Costa, Gabriel B. ; de Mello, Rodrigo F. ; Ponti, Moacir A. ; IEEE

• Tipo de documento: Artigo Científico
• Fonte: PROCEEDINGS 2018 31ST SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI); v. N/A, p. 7-pg., 2018-01-01.

Resumo

Transfer learning is seen as one of the most promising areas of machine learning. Lately, features from pre-trained models have been used to achieve state-of-the-art results in several machine vision problems. Those models are usually employed when the problem of interest does not have enough supervised examples to support the network training from scratch. Most applications use networks pre-trained on noise-free RGB image datasets, what is observed even when the target domain counts on grayscale images or when data is degraded by noise. In this paper, we evaluate the use of Convolutional Neural Networks (CNNs) on such transfer learning scenarios and the impact of using RGB trained networks on grayscale image tasks. Our results confirm that the use of networks trained using colored images on grayscale tasks hinders the overall performance when compared to a similar network trained on a quantized version of the original dataset. Results also show that higher quantization levels (resulting in less colors) increase the robustness of CNN features in the presence of noise. (AU)

• Processo FAPESP: 15/05310-3 - Aprendizado de características espaço-temporais em vídeos
• Beneficiário: Gabriel de Barros Paranhos da Costa
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 17/16548-6 - Proposta de uma abordagem com garantias teóricas para a detecção de mudanças de conceito em fluxos de dados
• Beneficiário: Rodrigo Fernandes de Mello
• Modalidade de apoio: Bolsas no Exterior - Pesquisa
• 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
• Processo FAPESP: 15/04883-0 - Detecção de eventos não usuais em vídeos de segurança
• Beneficiário: Tiago Santana de Nazare
• Modalidade de apoio: Bolsas no Brasil - Doutorado Direto
• Processo FAPESP: 16/16111-4 - Aprendizado de características na recuperação de imagens baseada em rascunhos e no sensoriamento remoto de baixa altitude
• Beneficiário: Moacir Antonelli Ponti
• Modalidade de apoio: Auxílio à Pesquisa - Regular