基于堆叠的深度神经网络：卷积谱直方图特征上的深度分析网络
计算机视觉与模式识别
2017-05-23 v2
摘要
基于堆叠的深度神经网络（S-DNN）通常指在极深的前馈网络架构方面类似于深度神经网络（DNN）的网络。典型的 S-DNN 串联聚合可变数量的可独立学习模块，以构建面向目标物体识别任务的类 DNN 替代方案。本工作同样在谱直方图（SH）特征之上设计了一种 S-DNN 实例，称为深度分析网络（DAN）。DAN 的学习原理依赖于岭回归以及一些关键的 DNN 组件，具体为修正线性单元、微调和归一化。DAN 的能力在三个不同领域的数据库上进行了检验，包括 FERET（人脸）、MNIST（手写数字）和 CIFAR10（自然物体）。实验结果表明，DAN 在足够深的层上提升了 SH 基线性能。
关键词
引用
@article{arxiv.1703.01396,
title = {Stacking-based Deep Neural Network: Deep Analytic Network on Convolutional Spectral Histogram Features},
author = {Cheng-Yaw Low and Andrew Beng-Jin Teoh},
journal= {arXiv preprint arXiv:1703.01396},
year = {2017}
}
备注
5 pages