一种用于视觉识别的带局部约束线性编码的 HMAX 模型
计算机视觉与模式识别
2015-02-12 v2
摘要
如今高性能深度人工神经网络(ANNs)严重依赖参数优化，其本质为串行，即便使用强大 GPU，训练以解决挑战性任务也需数周[22]。HMAX[17]已证明无需繁重优化即可获得简单高性能网络。本文在结构简洁性与性能方面改进了现有最佳 HMAX 神经网络[12]。我们的设计用局部约束线性编码(LLC)[20]替换 L1 最小化稀疏编码(SC)，其计算需求更低。我们还将简单方向滤波器组放回网络前层以取代 PCA。我们的系统性能超越现有架构，在挑战性 Caltech-101[7] 数据集上达到 79.0%，这是 ANNs（无迁移学习）的 state-of-the-art。根据我们的经验数据，系统性能的主要贡献因素包括引入部分信号白化、斑点检测器以及空间金字塔匹配(SPM)[14]层。
引用
@article{arxiv.1502.02772,
title = {A HMAX with LLC for visual recognition},
author = {Kean Hong Lau and Yong Haur Tay and Fook Loong Lo},
journal= {arXiv preprint arXiv:1502.02772},
year = {2015}
}
备注
10 pages, 3 figures, 2 tables, 23 references