SwiDeN：用于描绘不变对象识别的卷积神经网络

当前最先进的物体识别架构虽然取得了令人印象深刻的表现，但通常仅针对单一描绘风格（例如，仅限照片、仅限素描）。在本文中，我们介绍了SwiDeN：我们的卷积神经网络（CNN）架构，能够在不同视觉描绘方式下（如线条画、真实阴影画、照片等）识别物体。在SwiDeN中，我们采用了一种新颖的“深度”描绘风格切换机制，该机制能够恰当地处理问题中的描绘特定和描绘不变方面。我们使用包含50个类别的Photo-Art数据集对SwiDeN与其他替代架构及先前工作进行了比较，该数据集中包含以多种风格描绘的物体。实验结果表明，SwiDeN在描绘不变的物体识别问题上优于其他方法。