施乐欧洲研究中心 XRCE 计算机视觉团队

概况

XRCE（Xerox Research Centre Europe，施乐欧洲研究中心）是施乐在欧洲的研究机构，其计算机视觉团队参加 ImageNet 大规模视觉识别挑战赛（ILSVRC）。挑战赛的综述论文记载，基于 Fisher 向量的方法在 2010 至 2014 年的每一届 ILSVRC 中都表现强劲，XRCE 的参赛方案属于这一记录 ^[1]。团队的工作围绕 Fisher 向量（Fisher vector）及相关图像表示展开：把图像的局部内容编码成定长向量，再交给线性分类器 ^[1]。

2010 年：荣誉提名

2010 年，XRCE 的一支队伍获得荣誉提名（honorable mention）。其方案使用改进的 Fisher 向量表示，配合主成分分析（PCA）降维，随后进行数据压缩，并用线性支持向量机（linear SVM）分类 ^[1]。论文把这种改进的 Fisher 向量表示归功于 Perronnin 与 Dance 2007 年的工作 ^[1]。先做高维编码，再降维或压缩，最后用线性模型分类，这一顺序在该团队有记录的两个方案中反复出现。

2011 年：赢得分类任务

第二年，XRCE 赢得分类任务。论文记载，2011 年获胜的分类方案正是 2010 年的亚军团队 XRCE ^[1]。该方案使用高维图像签名（image signatures），以乘积量化（product quantization）压缩，并采用一对多线性支持向量机（one-vs-all linear SVM）^[1]。论文把高维图像签名归到 Perronnin 等人 2010 年的工作，把用于压缩这些签名的乘积量化归到 Sanchez 与 Perronnin 2011 年的工作 ^[1]。与 2010 年相比，2011 年系统保持了大致相同的结构，但换用了更新的签名和压缩方法 ^[1]。

各组件如何工作

Fisher 向量不是简单的视觉词袋直方图，它用局部描述子相对一个生成模型的偏离程度来描述图像，保留更多细节，代价是向量维度很高 ^[1]。PCA 把这样的向量投影到方差最大的方向上，从而缩短向量 ^[1]。乘积量化更进一步：把向量切成若干子向量，每段用一个小码本量化，只存短编码，这样既能节省内存，也能近似计算距离 ^[1]。一对多线性支持向量机为每个类别训练一个线性分类器，测试时取得分最高的类别 ^[1]。这套组合让高维、信息丰富的编码能够配合简单快速的分类器使用。

影响与位置

论文指出，基于 Fisher 向量的方法在五年赛事中不断演进，并在 2010 至 2014 年的每一届 ILSVRC 中都保持强劲表现 ^[1]。其影响不限于 XRCE：2012 年图像分类任务中排名第二的 ISI 团队使用了 Sanchez 与 Perronnin 2011 年提出的 Fisher 向量 ^[1]；2012 年的 VGG 亚军方案也使用 Fisher 向量，并结合稠密 SIFT（dense SIFT）特征、颜色统计和线性支持向量机 ^[1]。这些记录把 XRCE 放在这样一类团队之中：它们的图像表示工作被挑战赛的其他顶尖队伍采用 ^[1]。