PixelHop：一种用于目标分类的逐次子空间学习（SSL）方法

Yueru Chen; C. -C. Jay Kuo

PixelHop：一种用于目标分类的逐次子空间学习（SSL）方法

机器学习 2019-09-19 v1 计算机视觉与模式识别机器学习

作者: Yueru Chen , C. -C. Jay Kuo

摘要

本文提出了一种称为逐次子空间学习（SSL）的新机器学习方法。SSL 包含四个关键要素：1）由近及远的逐次邻域扩展；2）通过子空间近似的无监督降维；3）通过标签辅助回归（LAG）的有监督降维；以及 4）特征拼接与决策。为说明 SSL 的设计，提出了一种基于图像的目标分类方法 PixelHop。实验结果表明，在三个基准数据集（MNIST、Fashion MNIST 和 CIFAR-10）上，PixelHop 方法的性能优于模型复杂度相近的经典 CNN 模型。尽管 SSL 与深度学习（DL）在一些高层概念上有共通之处，但二者在模型形式、训练过程和训练复杂度上有着根本区别。文中对 SSL 与 DL 进行了广泛比较讨论，以进一步揭示 SSL 的潜力。

关键词

逐次子空间学习目标分类 PixelHop 降维标签辅助回归特征拼接 CNN

引用

@article{arxiv.1909.08190,
  title  = {PixelHop: A Successive Subspace Learning (SSL) Method for Object Classification},
  author = {Yueru Chen and C. -C. Jay Kuo},
  journal= {arXiv preprint arXiv:1909.08190},
  year   = {2019}
}

备注

17 pages, 11 figures, 11 tables

PixelHop：一种用于目标分类的逐次子空间学习（SSL）方法

摘要

关键词

引用

备注

相关论文