分支变分自编码器分类器
机器学习
2024-01-08 v1 计算机视觉与模式识别
摘要
本文介绍了一种改进的变分自编码器（VAE），它包含一个额外的神经网络分支。由此产生的分支变分自编码器（BVAE）基于类别标签向总损失贡献一个分类组件，从而将类别信息赋予潜在表示。结果，输入类别的潜在空间分布被分离并排序，从而提高了分类精度。通过使用基准MNIST数据集对未旋转和旋转数字进行数值计算，量化了改进程度。然后将所提出的技术与具有固定输出分布的VAE进行比较，并融入其中。发现该方法在广泛的输出分布范围内均能带来性能提升。
引用
@article{arxiv.2401.02526,
title = {Branched Variational Autoencoder Classifiers},
author = {Ahmed Salah and David Yevick},
journal= {arXiv preprint arXiv:2401.02526},
year = {2024}
}