具有基于遗传算法特征选择与上下文集成的深度学习模型
计算机视觉与模式识别
2022-04-14 v1 人工智能
摘要
深度学习模型在计算机视觉与图像处理应用中已非常成功。自其问世以来，许多性能最优的图像分割方法都基于深度 CNN 模型。然而，尽管具有复杂的多层架构，深度 CNN 模型仍未能将全局与局部上下文与视觉特征相集成。我们提出了一种新颖的三层深度学习模型，该模型独立地同化或学习全局与局部上下文信息以及视觉特征。所提模型的创新之处在于：在视觉层中引入一类对一类二值分类学习器来学习遗传算法（GA）优化的特征，随后上下文层学习图像的全局与局部上下文，最后第三层最优地集成所有信息以获得最终类标签。我们使用 Stanford Background 与 CamVid 基准图像解析数据集评估我们的模型，模型展现出有前景的结果。实证分析表明，经优化的视觉特征结合全局与局部上下文信息对提升准确率并产生可与最先进深度 CNN 模型媲美的稳定预测起着重要作用。
引用
@article{arxiv.2204.06189,
title = {Deep Learning Model with GA based Feature Selection and Context Integration},
author = {Ranju Mandal and Basim Azam and Brijesh Verma and Mengjie Zhang},
journal= {arXiv preprint arXiv:2204.06189},
year = {2022}
}