DeepPainter：基于深度卷积自编码器的画家分类
计算机视觉与模式识别
2017-11-27 v1 机器学习
神经与进化计算
机器学习
摘要
本文描述了画家分类问题，并提出了一种基于深度卷积自编码器神经网络的新型方法。先前的方法依赖于图像处理和从画作中手动提取特征，而我们的方法在原始像素层级上操作，无需任何预处理或手动特征提取。我们首先在一个画作数据集上训练深度卷积自编码器，随后将其用于初始化一个监督式卷积神经网络以进行分类阶段。所提出的方法大幅优于先前的方法，将3画家分类问题的先前最先进水平从90.44%准确率（先前SOTA）提升至96.52%准确率，即错误率降低了63%。
引用
@article{arxiv.1711.08763,
title = {DeepPainter: Painter Classification Using Deep Convolutional Autoencoders},
author = {Eli David and Nathan S. Netanyahu},
journal= {arXiv preprint arXiv:1711.08763},
year = {2017}
}