APAC：基于神经网络的增强模式分类
计算机视觉与模式识别
2015-05-14 v1
摘要
深度神经网络在许多视觉模式分类问题中已展现出极佳准确率。许多最先进方法在训练阶段采用一种称为数据增强（data augmentation）的技术。本文探讨使用增强数据训练的分类器的决策规则问题。我们的方法命名为APAC：增强模式分类（Augmented PAttern Classification），这是一种利用增强数据学习的最优决策规则进行分类的方法。对数据增强方法的讨论并非我们的主要关注点。我们给出明确证据，表明在多个实验中APAC比传统的类别预测方式具有远更好的泛化性能。我们的带APAC的卷积神经网络模型在非集成分类器中于MNIST数据集上达到了最先进的准确率。甚至我们的多层感知机模型在CIFAR-10数据集上击败了一些采用近期提出的随机正则化技术的卷积模型。
引用
@article{arxiv.1505.03229,
title = {APAC: Augmented PAttern Classification with Neural Networks},
author = {Ikuro Sato and Hiroki Nishimura and Kensuke Yokoi},
journal= {arXiv preprint arXiv:1505.03229},
year = {2015}
}