SVM与ELM：谁胜出？基于ImageNet深度卷积特征的目标识别
机器学习
2015-06-09 v1 计算机视觉与模式识别
摘要
使用卷积神经网络（CNN）的深度学习已被证明在图像特征提取与表示方面非常有效。针对图像分类问题，本工作旨在基于图像的高级深度特征找出哪种分类器更具竞争力。在本报告中，我们讨论了在深度卷积激活特征表示下，用于图像分类的最近邻、支持向量机和极限学习机。具体地，我们采用来自多源且具有领域偏差的基准目标识别数据集来评估不同分类器。该目标数据集的深度特征由在具有挑战性的ImageNet上训练良好的、含五个卷积层和三个全连接层的CNN获得。实验表明，在跨领域识别任务中ELM优于SVM。特别地，核ELM取得了最先进的结果，其平均准确率超越SVM约4%。特征和代码可在 http://www.escience.cn/people/lei/index.html 获取。
引用
@article{arxiv.1506.02509,
title = {SVM and ELM: Who Wins? Object Recognition with Deep Convolutional Features from ImageNet},
author = {Lei Zhang and David Zhang},
journal= {arXiv preprint arXiv:1506.02509},
year = {2015}
}
备注
7 pages, 4 figures