Caltech-UCSD Birds 200-2011 dataset

Seam carving shows promise as CNN feature pooling technique

研究人员探索了使用缝隙裁剪（seam carving）作为卷积神经网络（CNN）中传统最大池化（max pooling）的替代方法，用于图像分类。在Caltech-UCSD Birds 200-2011数据集上进行的实验表明，采用缝隙裁剪的CNN在准确率、精确率、召回率和F1分数方面优于使用最大池化的CNN。可视化结果表明，缝隙裁剪可能在池化过程中更好地保留结构信息，预示着改进特征提取的潜力。