用于 MNIST 数字识别的简单卷积神经网络模型集成
计算机视觉与模式识别
2020-10-06 v2 机器学习
摘要
我们报告称，使用简单的卷积神经网络（CNN）模型可以在 MNIST 测试集上达到非常高的准确率。我们在卷积层中使用核大小分别为 3x3、5x5 和 7x7 的三种不同模型。每个模型由一组卷积层后接一个全连接层组成。每个卷积层使用批归一化和 ReLU 激活，且不使用池化。旋转和平移被用于扩充训练数据，这在大多数图像分类任务中经常使用。使用在训练数据集上独立训练的三个模型进行多数投票，可在测试集上达到高达 99.87% 的准确率，这是当前最优结果之一。一个两层集成，即三个同构集成网络的异构集成，可达到高达 99.91% 的测试准确率。结果可通过以下代码复现：https://github.com/ansh941/MnistSimpleCNN
引用
@article{arxiv.2008.10400,
title = {An Ensemble of Simple Convolutional Neural Network Models for MNIST Digit Recognition},
author = {Sanghyeon An and Minjun Lee and Sanglee Park and Heerin Yang and Jungmin So},
journal= {arXiv preprint arXiv:2008.10400},
year = {2020}
}
备注
10 pages, 12 figures, 7 tables