结合卷积与循环神经网络的图像层次分类
机器学习
2019-11-19 v3 机器学习
摘要
基于CNN的深度学习模型主要用于图像分类任务。此类方法假设对象类别相互独立，通常将CNN用作特征学习器，并在其上施加一个扁平分类器。在许多场景中对象类具有层次关系，利用这些关系的分类器应当表现更好。我们提出层次分类模型，结合CNN提取图像的层次表示，以及RNN或序列到序列模型来捕捉类的层次树。此外，我们将残差学习应用于RNN部分，以便于训练我们的复合模型并改善模型的泛化能力。在真实世界的专有图像数据集上的实验结果表明，我们的层次网络优于最先进的CNN。
引用
@article{arxiv.1809.09574,
title = {Combined convolutional and recurrent neural networks for hierarchical classification of images},
author = {Jaehoon Koo and Diego Klabjan and Jean Utke},
journal= {arXiv preprint arXiv:1809.09574},
year = {2019}
}