用于复杂图像分类的多路径卷积神经网络
计算机视觉与模式识别
2015-06-23 v3
摘要
卷积神经网络在 ImageNet 大规模视觉识别挑战赛 (ImageNet Large-Scale Visual Recognition Challenges) 中展现出高性能。然而，已发表的结果仅显示了所有图像类别的整体性能，并未进一步分析为何某些图像结果较差以及如何改进。本文中，我们基于不同图像类型提供深度性能分析，并通过实验指出卷积神经网络的弱点。我们设计了一种新颖的多路径卷积神经网络，其将不同版本的图像输入至分离的路径中以学习更全面的特征。该模型比传统的单路径模型具有更好的图像表征。在复杂验证集上，我们在 top 1 和 top 5 分数上均取得了比最佳 ILSVRC 2013 分类模型更好的分类结果。
引用
@article{arxiv.1506.04701,
title = {Multi-path Convolutional Neural Networks for Complex Image Classification},
author = {Mingming Wang},
journal= {arXiv preprint arXiv:1506.04701},
year = {2015}
}