基于PCA的卷积网络

Yanhai Gan; Jun Liu; Junyu Dong; Guoqiang Zhong

基于PCA的卷积网络

机器学习 2015-05-15 v1 计算机视觉与模式识别神经与进化计算

作者: Yanhai Gan , Jun Liu , Junyu Dong , Guoqiang Zhong

摘要

在本论文中，我们提出一种新颖的无监督深度学习模型，称为基于PCA的卷积网络（PCN）。PCN的架构由若干特征提取阶段和一个非线性输出阶段组成。特别地，每个特征提取阶段包括两层：卷积层和特征池化层。在卷积层中，滤波器组简单地通过PCA学习。在非线性输出阶段，应用二值哈希。对于较高的卷积层，滤波器组从上一阶段获得的特征图中学习。为测试PCN，我们在一些具有挑战性的任务上进行了大量实验，包括手写数字识别、人脸识别和纹理分类。结果表明，PCN的性能与最先进的深度学习模型相当甚至更好。更重要的是，由于无需反向传播进行有监督微调，PCN比现有深度网络高效得多。

关键词

无监督深度学习卷积网络主成分分析二值哈希特征提取手写数字识别纹理分类

引用

@article{arxiv.1505.03703,
  title  = {A PCA-Based Convolutional Network},
  author = {Yanhai Gan and Jun Liu and Junyu Dong and Guoqiang Zhong},
  journal= {arXiv preprint arXiv:1505.03703},
  year   = {2015}
}

备注

8 pages,5 figures

基于PCA的卷积网络

摘要

关键词

引用

备注

相关论文