RADAM: Texture recognition through randomized aggregated encoding of deep activation maps

Autor(es)

Scabini, Leonardo ; Zielinski, Kallil M. ; Ribas, Lucas C. ; Goncalves, Wesley N. ; De Baets, Bernard ; Bruno, Odemir M.

• Tipo de documento: Artigo Científico
• Fonte: PATTERN RECOGNITION; v. 143, p. 13-pg., 2023-11-01.

Resumo

Texture analysis is a classical yet challenging task in computer vision for which deep neural networks are actively being applied. Most approaches are based on building feature aggregation modules around a pre-trained backbone and then fine-tuning the new architecture on specific texture recognition tasks. Here we propose a new method named Random encoding of Aggregated Deep Activation Maps (RADAM) which extracts rich texture representations without ever changing the backbone. The technique consists of encoding the output at different depths of a pre-trained deep convolutional network using a Random-ized Autoencoder (RAE). The RAE is trained locally to each image using a closed-form solution, and its decoder weights are used to compose a 1-dimensional texture representation that is fed into a linear SVM. This means that no fine-tuning or backpropagation is needed for the backbone. We explore RADAM on several texture benchmarks and achieve state-of-the-art results with different com putational budgets. Our results suggest that pre-trained backbones may not require additional fine-tuning for texture recog-nition if their learned representations are better encoded. & COPY; 2023 Elsevier Ltd. All rights reserved. (AU)

• Processo FAPESP: 22/03668-1 - Análise do Comportamento Dinâmico de Sistemas Complexos e Redes Neurais Artificiais em Visão Computacional e Inteligência Artificial
• Beneficiário: Kallil Miguel Caparroz Zielinski
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Processo FAPESP: 21/09163-6 - Ciência das redes para otimização de redes neurais artificiais em visão computacional
• Beneficiário: Leonardo Felipe dos Santos Scabini
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Doutorado
• Processo FAPESP: 18/22214-6 - Rumo à convergência de tecnologias: de sensores e biossensores à visualização de informação e aprendizado de máquina para análise de dados em diagnóstico clínico
• Beneficiário: Osvaldo Novais de Oliveira Junior
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 21/07289-2 - Aprendizado de representações usando redes neurais artificiais e redes complexas com aplicações em sensores e biossensores
• Beneficiário: Lucas Correia Ribas
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 21/08325-2 - Análise de autômato de rede (network automata) como modelo para processos naturais e biológicos
• Beneficiário: Odemir Martinez Bruno
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 19/07811-0 - Redes neurais artificiais e redes complexas: um estudo integrativo de propriedades topológicas e reconhecimento de padrões
• Beneficiário: Leonardo Felipe dos Santos Scabini
• Modalidade de apoio: Bolsas no Brasil - Doutorado