关于 CNN 提取基于颜色不变强度的特征用于图像分类的能力研究
计算机视觉与模式识别
2023-07-14 v1
摘要
卷积神经网络（CNNs）在视觉相关任务中展现出显著的成功。然而，当输入偏离训练分布时其容易失效已被充分记录。近期研究表明，CNNs 在图像分类任务中表现出偏向于纹理而非物体形状的倾向，且背景信息可能影响预测。本文研究了 CNNs 在保持上下文和背景的同时适应图像中不同颜色分布的能力。我们在修改后的 MNIST 和 FashionMNIST 数据上的实验结果表明，颜色变化会显著影响分类精度。本文探讨了多种正则化技术对跨数据集泛化误差的影响，并提出了一种利用 dropout 正则化的新颖 minor 架构修改，从而增强模型对基于颜色不变强度的特征的依赖，以提高分类精度。总体而言，本工作有助于持续理解 CNNs 在图像分类任务中的局限性与挑战，并提供了提升其性能的潜在方案。
引用
@article{arxiv.2307.06500,
title = {On the ability of CNNs to extract color invariant intensity based features for image classification},
author = {Pradyumna Elavarthi and James Lee and Anca Ralescu},
journal= {arXiv preprint arXiv:2307.06500},
year = {2023}
}