基于一类卷积神经网络深度网络的快速训练
计算机视觉与模式识别
2020-07-23 v2 机器学习
图像与视频处理
摘要
一类卷积神经网络（one-class CNNs）在新颖性检测中已显示出前景。然而，将其扩展至多类分类的工作甚少。所提方法是在此方向上的可行尝试：它使用一类CNN，即每类训练一个CNN，用于多类分类；此类一类CNN的集成被用于多类分类。该方法的好处通常是在取得更优识别精度的同时，仅耗费常规多类深度网络约一半或三分之二的训练时间。所提方法已成功应用于人脸识别与物体识别任务。在人脸识别中，使用了一段包含多张人脸的1000帧RGB视频来对所提方法进行基准测试，其数据库可通过电子邮件索取。在物体识别中，还使用了Caltech-101图像数据库与17Flowers数据集。实验结果支持了上述论断。
引用
@article{arxiv.2007.00046,
title = {Fast Training of Deep Networks with One-Class CNNs},
author = {Abdul Mueed Hafiz and Ghulam Mohiuddin Bhat},
journal= {arXiv preprint arXiv:2007.00046},
year = {2020}
}
备注
Camera Ready: 2nd International Conference on Cybernetics, Cognition and Machine Learning Applications(ICCCMLA), 2020, India