Kaggle 亲属识别挑战赛:引入无卷积模型以提升传统方法
计算机视觉与模式识别
2022-06-14 v1 人工智能
摘要
本工作旨在探索一种无卷积的基分类器,可用于拓宽传统集成分类器的多样性。具体而言,我们提出将 Vision Transformer 作为基分类器,与 CNN 结合,在 Kaggle 亲属识别中形成独特的集成方案。本文通过在现有 CNN 模型之上实现并优化 Vision Transformer 模型的变体,验证了所提思路。组合模型取得了优于仅基于 CNN 变体的传统集成分类器的分数。我们证明,在 Kaggle 讨论区公开的高度优化的 CNN 集成,仅因低相关性而通过与 Vision Transformer 模型变体简单集成,即可在 ROC 分数上获得显著提升。
引用
@article{arxiv.2206.05488,
title = {Kaggle Kinship Recognition Challenge: Introduction of Convolution-Free Model to boost conventional},
author = {Mingchuan Tian and Guangway Teng and Yipeng Bao},
journal= {arXiv preprint arXiv:2206.05488},
year = {2022}
}