用于物体分类的 ScatterNet 混合深度学习 (SHDL) 网络
计算机视觉与模式识别
2017-08-31 v1
摘要
本文提出了 ScatterNet 混合深度学习 (SHDL) 网络，用于提取不变且具有判别力的图像表示以进行物体识别。SHDL 框架由多层 ScatterNet 前端、无监督学习中间模块和有监督学习后端模块构成。SHDL 网络的每一层都被自动设计为一个显式优化问题，从而产生一种最优的深度学习架构，其计算性能优于更常见的深度网络架构。在两个图像数据集上，SHDL 网络针对无监督和半监督学习（GANs）取得了最先进的分类性能。此外，通过在缩减规模的训练数据集上进行的实验，也展示了 SHDL 网络相对于有监督方法（NIN, VGG）的优势。
引用
@article{arxiv.1708.09212,
title = {ScatterNet Hybrid Deep Learning (SHDL) Network For Object Classification},
author = {Amarjot Singh and Nick Kingsbury},
journal= {arXiv preprint arXiv:1708.09212},
year = {2017}
}
备注
To Appear in the 27th IEEE International Workshop on Machine Learning For Signal Processing (MLSP) 2017