[2018年第三届IEEE图像、视觉与计算国际会议（ICIVC）- 中国重庆（2018年6月27日-29日）] 2018年第三届IEEE图像、视觉与计算国际会议（ICIVC）- 基于深度森林的卷积残差特征场景识别

摘要： 卷积神经网络（CNN）在图像分类及其他相关计算机视觉领域取得了显著进展，但这些方法需要大规模数据进行训练。本文提出了一种名为DFCRF（具有卷积残差特征的深度森林）的方法，该方法基于周志华和冯霁提出的gcForest框架。我们采用最新发布的AI Challenger数据集（包含约5万张主要拍摄于中国的图像）。与仅使用CNN不同，我们进一步利用卷积残差特征进行识别，并结合基于梯度的XGBoost和级联深度森林。随后，我们在AI Challenger数据集和重构的Places2数据集上进行了大量实验，以验证本方法的有效性。