基于预训练 CNN 特征线性判别分析的有监督降维
计算机视觉与模式识别
2020-06-23 v1
摘要
我们探讨了将线性判别分析（LDA）应用于预训练深度卷积神经网络（CNN）不同层所得特征的方法。与其他降维技术相比，LDA 的优势在于它能在降维的同时保留数据的全局结构，因此在所发现的低维结构中的距离是有意义的。应用于 CNN 特征的 LDA 发现，对应于相似数据的类的质心比对应于不同数据的类靠得更近。我们将该方法应用于修改过的 MNIST 数据集，该数据集包含十个附加类，每个新类包含来自标准十个类之一的半数图像。该方法发现新类与提取数据的标准类很接近。我们还将该方法应用于蝴蝶图像数据集，发现相关的亚种也被发现靠得很近。对于这两个数据集，我们发现了与最先进方法相当的性能。
引用
@article{arxiv.2006.12127,
title = {Supervised dimensionality reduction by a Linear Discriminant Analysis on pre-trained CNN features},
author = {Francisco J. H. Heras and Gonzalo G. de Polavieja},
journal= {arXiv preprint arXiv:2006.12127},
year = {2020}
}