基于经典机器学习与深度学习的阿丁克拉符号识别
计算机视觉与模式识别
2023-11-28 v1 人工智能
机器学习
摘要
人工智能（AI）已成为一种变革性力量，在全球学术界与工业界中引发了范式转变。然而，面对这些快速发展，解决黑人群体与非洲国家在 AI 中的代表性不足问题至关重要。通过展示围绕识别与分类传统符号（如阿丁克拉符号）或社区中熟悉物体等任务的简单应用，可有效提升对 AI 的热情。在本研究中，我们深入经典机器学习并借助深度学习模型之力，以应对阿丁克拉符号分类与识别这一复杂任务。该想法催生了一个新构建的 ADINKRA 数据集，包含 174,338 张图像，精心组织为 62 个不同类别，每类代表一个独特且具有象征意义的符号。我们构建了一个 CNN 模型用于分类与识别，该模型使用六个卷积层、三个全连接（FC）层以及可选的丢弃正则化。该模型是 VGG 的一个更简更小的版本，具有更少的层、更小的通道尺寸与固定的核大小。此外，我们利用了 VGG 与 ResNet 等预训练模型所提供的迁移学习能力。这些模型协助我们进行图像分类并提取可与经典机器学习模型一起使用的特征。我们通过测量准确率与收敛速率并可视化显著影响其预测的区域来评估模型性能。这些评估作为未来 ADINKRA 数据集评估的基础基准。我们希望这一应用范例能激发关于 AI 在整理传统与现代生活中各种用途的构想。
引用
@article{arxiv.2311.15728,
title = {Adinkra Symbol Recognition using Classical Machine Learning and Deep Learning},
author = {Michael Adjeisah and Kwame Omono Asamoah and Martha Asamoah Yeboah and Raji Rafiu King and Godwin Ferguson Achaab and Kingsley Adjei},
journal= {arXiv preprint arXiv:2311.15728},
year = {2023}
}
备注
15 pages, 6 figures, 5 tables