最优拒绝函数在字符识别任务中的应用
计算机视觉与模式识别
2022-03-18 v1 机器学习
摘要
本文提出一种通过拒绝函数拒绝模糊样本的最优拒绝方法。该拒绝函数与分类函数在拒绝学习（Learning-with-Rejection, LwR）框架下共同训练。LwR的亮点为：（1）拒绝策略非启发式，而是具有机器学习理论的坚实背景；（2）拒绝函数可在不同于分类特征空间的任意特征空间上训练。后者表明我们可选择更适合拒绝的特征空间。尽管以往LwR研究仅聚焦其理论方面，我们提出将LwR用于实际模式分类任务。此外，我们提出使用来自不同CNN层的特征进行分类与拒绝。我们在notMNIST分类及字符/非字符分类上的大量实验表明，所提方法比传统拒绝策略取得更好性能。
引用
@article{arxiv.2203.09151,
title = {Optimal Rejection Function Meets Character Recognition Tasks},
author = {Xiaotong Ji and Yuchen Zheng and Daiki Suehiro and Seiichi Uchida},
journal= {arXiv preprint arXiv:2203.09151},
year = {2022}
}