解读微软CVPR 2017论文:用于精细化图片分类的,基于递归注意力的卷积神经网络。

该论文揭露了在大规模数据集(ImageNet dataset)上训练的神经网络,可以高效地迁移到其他小数据集(PASCAL VOC 2007/2012 dataset)上。论文通过对 PASCAL VOC 图片进行 sliding 处理,解决了两个数据集之间存在的 "dataset label bias" 问题。论文提供了一种简单有效的迁移方法,并对迁移结果进行了实验考察。结果表明,使用迁移的特征比重新训练往往能获得更好的表现。