使用深度神经网络进行视觉美学分析：不依赖迁移学习提升准确率的模型与技术
计算机视觉与模式识别
2018-02-01 v4
摘要
我们从头训练了一个深度卷积神经网络（CNN）用于图像视觉美学分析，并讨论了为提升准确率所采用的技术。我们避免了当前流行的使用预训练权重执行该任务的迁移学习方法，而是从头训练模型，在 AVA2 数据集上达到 78.7% 的准确率，接近现有最佳模型（85.6%）。我们进一步表明，当将训练集扩充至整个 AVA 数据集的递增 10 百分位数时，准确率提升至 81.48%，说明我们的算法随数据增多而表现更好。
引用
@article{arxiv.1712.03382,
title = {Visual aesthetic analysis using deep neural network: model and techniques to increase accuracy without transfer learning},
author = {Muktabh Mayank Srivastava and Sonaal Kant},
journal= {arXiv preprint arXiv:1712.03382},
year = {2018}
}
备注
Accepted at IEEE's 3rd International Conference for Convergence in Technology (I2CT) Pune - 7-8 April 2018