Generalized Convolutional Forest Networks for Domain Generalization and Visual Recognition

# Generalized Convolutional Forest Networks for Domain Generalization and Visual Recognition

---

## Info

* Conference: ICLR 2020
* Cites: 2
* Github Stars: 0
* Github Solved/Issue: / 
* Author: ![title](https://leanote.com/api/file/getImage?fileId=5fdb9e23ab64412e34000381)

---

## Main Idea

* 文章没放 code， 可复现性存疑，但是 idea 比较有意思，还是讲一讲。
* ![title](https://leanote.com/api/file/getImage?fileId=5fdb9dfbab64412e34000380)
* 训一个NN，然后把每个输入在 NN 的中间层 feature 拿出来建一些能够做分类的 Random Forests。
* 训练 loss 只有一个 Triple loss，但是这些 Triple 是由 Random Forests 决定的。 
* ![title](https://leanote.com/api/file/getImage?fileId=5fdb9ed5ab64412e34000383)
* 然后选择方式是，对于一个 Anchor, 以更大概率 Sample 一个同类但在不同节点的正例，更大概率 Sample 一个 不同类但在同一个叶子节点的负例。
* ![title](https://leanote.com/api/file/getImage?fileId=5fdb9f4fab64412e34000384)
* 最终作者期望训练后得到的网络特征能够轻易区分所有类，也就是所有的 Random Forests 都很小。

## Results

* 声称在多个数据集上达到 SOTA。
* ![title](https://leanote.com/api/file/getImage?fileId=5fdba15fab64412c2b000356)
* ![title](https://leanote.com/api/file/getImage?fileId=5fdba168ab64412e34000385)
* ![title](https://leanote.com/api/file/getImage?fileId=5fdba186ab64412c2b000357)
* 这实验看着实在简陋，也没其他 Ablation Study 什么的。
* （所以这篇文章Review 的时候 得到了 6 3 6, 其中 3 的 Reviewer 非常置信，但是最后 Chair 觉得这个方法还是挺新颖的，就给过了）

## Comments

* Idea 比较新颖，但是为什么这样就能够提升 Domain Generalization 存疑，而且还没 Code。
* 一篇比较好的文章不能这么写的例子。

wuvin

导航

最近发表

友情链接