用于鲁棒分布外图像分类的多层表示学习
计算机视觉与模式识别
2022-07-28 v1 机器学习
摘要
卷积神经网络已成为图像分类的标配。然而，过去几年中它们在跨数据集保持高准确度方面的困难已显而易见。为了在真实场景和应用中利用此类模型，它们必须能够对未见数据提供可信预测。在本文中，我们主张从 CNN 的中间层提取特征可辅助模型的最终预测。具体而言，我们将 Hypercolumns 方法适配到 ResNet-18 上，并在 NICO 数据集评估时发现模型准确度显著提升。
引用
@article{arxiv.2207.13678,
title = {Multi-layer Representation Learning for Robust OOD Image Classification},
author = {Aristotelis Ballas and Christos Diou},
journal= {arXiv preprint arXiv:2207.13678},
year = {2022}
}
备注
Paper accepted for publication in the 12th Hellenic Conference on Artificial Intelligence (SETN 2022)