用于图像分类的多层张量网络
计算机视觉与模式识别
2021-03-22 v2 机器学习
机器学习
摘要
最近提出的用于监督图像分类的局部无序张量网络（LoTeNet）在变换后图像块的网格上采用矩阵乘积态（MPS）操作。所得的块表示被重新组合回图像空间，并在每一层使用多个 MPS 块进行层次化聚合以获得最终决策规则。在本工作中，我们提出一种对 LoTeNet 的非基于块修改，其在每一层执行一次 MPS 操作，而非若干块级操作。与 LoTeNet 类似，每一层输入到 MPS 块的图像中的空间信息被压缩到特征维度，以在图像被展平为一维向量时最大化保留像素间的空间相关性。所提出的多层张量网络（MLTN）能够在多层设置下于高维空间中学习线性决策边界，与 LoTeNet 相比在计算成本上有所降低且性能无任何退化。
引用
@article{arxiv.2011.06982,
title = {Multi-layered tensor networks for image classification},
author = {Raghavendra Selvan and Silas Ørting and Erik B Dam},
journal= {arXiv preprint arXiv:2011.06982},
year = {2021}
}
备注
Updated version with exact computation costs. 6 pages. Accepted to the First Workshop on Quantum Tensor Networks in Machine Learning. In conjunction with 34th NeurIPS, 2020. Source code at https://github.com/raghavian/mltn