基于CNN的重复自修正学习用于照片美学不平衡分类
计算机视觉与模式识别
2024-12-06 v4
摘要
美学评估具有主观性，且美学水平的分布是不平衡的。为了实现照片美学的自动评估，我们专注于利用重复自修正学习（RSRL）通过不平衡数据集训练基于CNN的美学分类网络。在RSRL中，基于先前训练好的网络，从训练数据集中剔除处于美学中间水平的低似然照片样本，从而对网络进行重复训练。此外，保留的两个网络被用于提取与美学评估相关的照片高亮区域。实验结果表明，基于CNN的重复自修正学习能有效提升不平衡分类的性能。
引用
@article{arxiv.2003.03081,
title = {CNN-based Repetitive self-revised learning for photos' aesthetics imbalanced classification},
author = {Ying Dai},
journal= {arXiv preprint arXiv:2003.03081},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:1909.08213