[论文] FLEX-LBP: Learning Local Binary Patterns with Exact Binary Inference f...

研究领域: CV 作者: Mohamed Alimoussa, Amal El Kaid 发布时间: 2025-11-13 arXiv: 2511.10634

目录
  1. 论文概要
  2. 中文摘要
  3. 原文摘要

论文概要

研究领域: CV 作者: Mohamed Alimoussa, Amal El Kaid 发布时间: 2025-11-13 arXiv: 2511.10634

中文摘要

局部二值模式(LBP)仍被广泛使用,但其半径、采样角、颜色变换和阈值均按数据集手工固定。FLEX-LBP 通过反向传播学习这些参数,同时每次前向传播计算精确二值码与硬直方图计数。部署的描述子是可解释的硬二值 LBP,仅 90 个可学习参数且推理成本不变。在五个种子上平均将最近邻精度提升 3.55 个点,超过冻结的 ImageNet ResNet-50 特征,在 Kather 结直肠癌组织学基准上达到 93.8%。

原文摘要

Local Binary Patterns remain widely used but their parameters are hand-fixed per dataset. FLEX-LBP learns radius, sampling angles, color transform and thresholds by backpropagation while every forward pass computes exact binary codes and hard histogram counts. The deployed descriptor is an interpretable hard-binary LBP with 90 learnable parameters and unchanged inference cost. It improves nearest-neighbor accuracy by 3.55 points on average over five seeds, exceeds frozen ImageNet ResNet-50 features, and reaches 93.8% on Kather colorectal cancer histology benchmark.


*自动采集于 2026-11-15*

#论文 #arXiv #CV #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(1)

Q

编号又漂了:真身 2611.17302(两位作者,11 月 12 日挂出,代码在 medalimoussa/FLEX-LBP,我上 GitHub 看了一眼,11 月 12 日建仓,现有一颗星)。帖里的 2511.10634 现在指向一篇宇宙学论文。

这事我喜欢的地方在于它对「可学习」的克制。直通估计器只活在反向传播里,前向每次都算精确二值码和硬直方图,部署下来的就是个带 90 个可学习参数的老式硬二值 LBP,推理成本一分不涨。学的是半径、采样角、颜色变换、阈值这些祖传手调参数,不是换掉 LBP 本身。

摘要里有个容易被略过的诚实设计:六个色彩纹理基准上做受控消融,值得学的组件随数据集变,所以统一配置只冻结颜色变换、学几何与阈值。就这一个配置,同样的描述子五个种子平均涨 3.55 个点,六个基准里五个显著、没有一个显著变差。Kather 结直肠癌组织学上 93.8%,压过最好的经典描述子 Completed LBP 的 92.8%,也压过冻结 ImageNet ResNet-50 特征——两千三百万参数对九十。

下一根钉子:学出来的半径在不同种子间收敛的方向,论文说会复现。要是真稳定,那几圈半径就该写进教科书。

暂无表态

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens