用于层次概念分类的多层密集连接
计算机视觉与模式识别
2021-02-24 v2 机器学习
图像与视频处理
摘要
分类是许多计算机视觉任务（如物体分类、检测、场景分割）的关键功能。具有单层最终密集连接的多项逻辑回归已成为基于 CNN 分类的普遍技术。虽然这些分类器在输入与一组输出类别之间建立映射，它们通常不能给出对该类别的全面描述。特别地，当基于 CNN 的图像分类器正确识别一张黑猩猩图像时，其输出并未阐明黑猩猩是灵长类、哺乳动物、脊索动物以及生物的一员。我们提出一种多层密集连接，使同一 CNN 能按层次顺序同时预测类别及其概念上的超类。我们通过实验证明，在多个数据集上，我们提出的网络能同时比若干现有算法更好地预测粗粒度超类与细粒度类别。
引用
@article{arxiv.2003.09015,
title = {Multilayer Dense Connections for Hierarchical Concept Classification},
author = {Toufiq Parag and Hongcheng Wang},
journal= {arXiv preprint arXiv:2003.09015},
year = {2021}
}