Busca avançada
Ano de início
Entree


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

Texto completo
Autor(es):
Scabini, Leonardo ; Zielinski, Kallil M. ; Ribas, Lucas C. ; Goncalves, Wesley N. ; De Baets, Bernard ; Bruno, Odemir M.
Número total de Autores: 6
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