Deep TEN: Texture Encoding Network

標籤：desc   輸入   分類   bow   present   pat   instead   des   layer   

紋理特徵，材料分類（Material Classification），在MINC-2500、Flickr Material Database、KTH-TIPS-2b、4D-Light-Field-Material、GTOS上state-of-the-art（2017年）。

思想主要來源是：傳統圖片分類方法都是提取人工設計的特徵（SIFT等）然後使用BOW進行編碼，再用SVM進行分類，後面BOW被VLAD、Fisher Vector編碼替換並融合CNN特徵可以達到sota的效果。然而這樣的方法有缺點，就是編碼和特徵的學習並不是end-to-end的，所以作者設計了一個learnable residual encoding layer。作者還提到一般的CNN的方法雖然在圖片分類和物體識別上有比較好的效果，但是在紋理識別上表現並不理想，給出的理由是：

``` recognizing textures needs for a spatially invariant representation describing the feature distributions instead of concatenation ```

這篇論文的主要貢獻：

1. learnable residual encoding layer。能夠產生魯棒的殘差編碼例如（VLAD和Fisher Vector），能接收任意的輸入解析度，並且產生固定長度的特徵表示，這種編碼方式非常適合pretrained feature的遷移。

2.將feature extraction, dictionary learning, encoding 融合成一個end-to-end的形式。

 

Deep TEN: Texture Encoding Network