典型性在对象分类中的作用：提升卷积神经网络的泛化能力
计算机视觉与模式识别
2016-02-10 v1 机器学习
神经与进化计算
摘要
深度人工神经网络在计算机视觉领域的不同任务中取得了显著进展。然而，对这些模型的实证分析及其失败案例的研究近来受到关注。在本工作中，我们表明深度学习模型无法泛化到与训练图像显著不同的非典型图像。这与人脑视觉系统优越的泛化能力形成对比。我们聚焦于作为对象识别与分类最先进模型的卷积神经网络（CNN），更详细地研究此问题，并假设训练 CNN 模型受制于非结构化损失最小化。我们提出计算模型，通过考虑训练图像的典型程度来提升 CNN 的泛化能力。通过进行大量实验，我们表明引入典型性度量能大幅提升在一组新图像上的分类结果。更重要的是，这一显著改进是在不对目标图像集微调 CNN 模型的情况下实现的。
引用
@article{arxiv.1602.02865,
title = {The Role of Typicality in Object Classification: Improving The Generalization Capacity of Convolutional Neural Networks},
author = {Babak Saleh and Ahmed Elgammal and Jacob Feldman},
journal= {arXiv preprint arXiv:1602.02865},
year = {2016}
}
备注
In Submission