基于CNN树的深度网络集成学习在图像分类中的应用
计算机视觉与模式识别
2020-08-04 v1 机器学习
神经与进化计算
摘要
传统机器学习方法在处理复杂数据时可能表现不佳。在此背景下，数据挖掘在构建高效知识发现与挖掘框架方面的重要性凸显。集成学习旨在将数据融合、建模与挖掘整合到一个统一模型中。然而，传统集成学习方法复杂且存在优化或调参问题。本文中，我们提出一种简单、顺序、高效的基于多个深度网络的集成学习方法。集成中使用的深度网络为ResNet50。该模型受二叉决策/分类树启发。所提方法与基线即单分类器方法（在ImageNet和Natural Images数据集上使用单个多类ResNet50）进行比较。我们的方法在ImageNet数据集的所有实验中均优于基线。代码见 https://github.com/mueedhafiz1982/CNNTreeEnsemble.git
引用
@article{arxiv.2008.00829,
title = {Deep Network Ensemble Learning applied to Image Classification using CNN Trees},
author = {Abdul Mueed Hafiz and Ghulam Mohiuddin Bhat},
journal= {arXiv preprint arXiv:2008.00829},
year = {2020}
}