基于四元数主成分分析网络的彩色图像分类
计算机视觉与模式识别
2015-03-06 v1
摘要
主成分分析网络 (PCANet) 是最近提出的深度学习架构之一，在各类数据库中实现了 state-of-the-art 的分类精度。然而，PCANet 在处理彩色图像时性能可能会下降。在本文中，提出了一种四元数主成分分析网络 (QPCANet)，作为 PCANet 的扩展，用于彩色图像分类。与 PCANet 相比，提出的 QPCANet 考虑了彩色图像的空间分布信息，并确保了更大程度的彩色图像类内不变性。在 Caltech-101、UC Merced Land Use、Georgia Tech face 和 CURet 等不同彩色图像数据集上进行的实验表明，提出的 QPCANet 实现了比 PCANet 更高的分类精度。
引用
@article{arxiv.1503.01657,
title = {Color Image Classification via Quaternion Principal Component Analysis Network},
author = {Rui Zeng and Jiasong Wu and Zhuhong Shao and Yang Chen and Lotfi Senhadji and Huazhong Shu},
journal= {arXiv preprint arXiv:1503.01657},
year = {2015}
}
备注
9 figures,5 tables