用于正则化的分层连接球面流形
计算机视觉与模式识别
2021-06-28 v1 机器学习
摘要
本文考虑具有分层组织类别的分类问题。我们强制每个类别的分类器（超平面）属于一个球面流形，该流形的中心为其父类的分类器。随后，依据层级关系将各个球面流形连接起来。我们的技术通过将一个球形全连接层与分层层相结合，替换了神经网络的最后一层。该正则化方法被证明可提升广泛使用的深度神经网络架构（ResNet 与 DenseNet）在公开数据集（CIFAR100、CUB200、Stanford dogs、Stanford cars 与 Tiny-ImageNet）上的性能。
引用
@article{arxiv.2106.13549,
title = {Connecting Sphere Manifolds Hierarchically for Regularization},
author = {Damien Scieur and Youngsung Kim},
journal= {arXiv preprint arXiv:2106.13549},
year = {2021}
}