基于Tsetlin Machine复合体的高级图像处理优化工具箱
计算机视觉与模式识别
2025-02-06 v2 人工智能
机器学习
摘要
Tsetlin Machine(TM)在多个图像分类基准测试中取得了有竞争力的结果，包括MNIST、K-MNIST、F-MNIST和CIFAR-2。然而，对于TM来说，彩色图像分类可以说仍处于起步阶段，CIFAR-10是跟踪进展的焦点。在过去的几年里，随着Drop Clause的引入，TM在CIFAR-10上的准确率从2020年的约61%提高到2023年的75.1%。在本文中，我们利用最近提出的TM复合体架构，并引入了一系列使用各种图像处理技术的TM专家。这些技术包括Canny边缘检测、方向梯度直方图、自适应均值阈值化、自适应高斯阈值化、Otsu阈值化、颜色温度计和自适应颜色温度计。此外，我们进行了严格的超参数搜索，为多个TM专家找到了最优超参数。结果是一个工具箱，它为TM在CIFAR-10上提供了新的最先进结果，准确率达到82.8%。总之，我们的TM专家工具箱为新的TM应用奠定了基础，并为图像分析中TM复合体的进一步研究树立了里程碑。
引用
@article{arxiv.2406.00704,
title = {An Optimized Toolbox for Advanced Image Processing with Tsetlin Machine Composites},
author = {Ylva Grønningsæter and Halvor S. Smørvik and Ole-Christoffer Granmo},
journal= {arXiv preprint arXiv:2406.00704},
year = {2025}
}
备注
8 pages, 3 figures