基于相关性的邻域与边缘特征构建
计算机视觉与模式识别
2014-02-18 v2 机器学习
机器学习
摘要
受低级边缘检测滤波器抽象概念的启发，我们提出了一种基于特征成对统计量的无监督特征构建简单方法。第一步，通过重新组合相关的特征来构建特征的邻域。然后，利用这些子集作为滤波器生成新的邻域特征。接下来，连接相关的邻域特征，并通过相互减去相关的邻域特征来构建边缘特征。为验证所构建特征的有效性，我们在四个多类分类问题上运行了 AdaBoost.MH。我们最显著的结果是在 MNIST 数据集上取得了 0.94% 的测试错误率，而该算法本质上不依赖任何特定于图像的先验知识。在 CIFAR-10 上，我们的方法相较于当今最佳的深度学习技术虽显次优，但我们表明，所提出的方法不仅优于基于原始像素的提升法，也优于基于 Haar 滤波器的提升法。
引用
@article{arxiv.1312.7335,
title = {Correlation-based construction of neighborhood and edge features},
author = {Balázs Kégl},
journal= {arXiv preprint arXiv:1312.7335},
year = {2014}
}