用于 Tiny ImageNet 分类的 DenseNet 模型
计算机视觉与模式识别
2020-06-02 v2
摘要
本文中，我们在 Tiny ImageNet 数据集上提出了两个图像分类模型。我们基于密集连接卷积网络的思想从零构建了两个差异很大的网络。网络结构依据该特定数据集的图像分辨率并通过计算卷积层的感受野进行设计。我们还使用了一些与图像增强和周期性学习率相关的非传统技术来提升模型准确率。网络在高约束和低计算资源下训练。我们旨在实现 60% 的 top-1 验证准确率；结果及误差分析亦一并给出。
引用
@article{arxiv.1904.10429,
title = {DenseNet Models for Tiny ImageNet Classification},
author = {Zoheb Abai and Nishad Rajmalwar},
journal= {arXiv preprint arXiv:1904.10429},
year = {2020}
}
备注
7 pages, 8 figures, 2 tables