E-PixelHop：一种用于目标分类的增强型PixelHop方法

基于近期采用连续子空间学习（SSL）框架开发的PixelHop与PixelHop++，我们在本工作中提出一种用于目标分类的增强方案，称为E-PixelHop。E-PixelHop包含以下步骤。首先，为对彩色图像解耦颜色通道，我们应用主成分分析并将RGB三色通道投影到两个主子空间，分别进行处理以分类。其次，为处理多尺度特征的重要性，我们在各hop以不同感受野进行像素级分类。第三，为进一步提升像素级分类精度，我们提出监督标签平滑（SLS）方案以确保预测一致性。第四，来自各hop与各颜色子空间的像素级决策被融合用于图像级决策。第五，为解析混淆类以进一步提升性能，我们将E-PixelHop构建为两阶段流水线。第一阶段执行多类分类得到每类软决策，概率最高的前2类称为混淆类；随后在第二阶段进行二分类。主要贡献在于步骤1、3和5。我们以CIFAR-10数据集分类为例演示E-PixelHop上述关键组件的有效性。