基于卷积神经网络与多类线性判别分析的食物分类
计算机视觉与模式识别
2023-12-12 v3 人工智能
摘要
卷积神经网络（CNNs）已成功表征了被认为存在于人脑中的全连接推理能力：它们充分利用复杂数据中常见的层次式模式，并使用简单特征开发更多模式。CNN 的无数实现已展示出学习这些复杂模式的强大能力，尤其在图像分类领域。然而，将高性能 CNN 提升至所谓“最先进水平”的成本在计算上十分高昂。即便使用迁移学习——利用如 MobileNetV2 等模型的极深层，CNN 仍耗费大量时间与资源。线性判别分析（LDA）作为 Fisher 线性判别的推广，可实现为多类分类方法，以提升类特征的可分性，且无需高性能系统即可用于图像分类。类似地，我们也相信 LDA 具有良好表现的巨大潜力。在本文中，我们讨论开发用于食物分类的鲁棒 CNN 的过程，以及我们多类 LDA 的有效实现，并证明（1）CNN 在图像分类上优于 LDA，以及（2）为何 LDA 不应被排除在图像分类的竞争之外，尤其在二分类情形中。
引用
@article{arxiv.2012.03170,
title = {Food Classification with Convolutional Neural Networks and Multi-Class Linear Discernment Analysis},
author = {Joshua Ball},
journal= {arXiv preprint arXiv:2012.03170},
year = {2023}
}
备注
I dont like the paper, its not a good rep of me anymore