APAC- Augmented PAttern Classification with Neural Networks

版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.csdn.net/zhjm07054115/article/details/52880121

APAC: Augmented PAttern Classification with Neural Networks

---

APAC:使用神经网络的扩增模式分类

【Image Classification】

【Computer Science (2015)】

Abstract

深度神经网络在视觉模式分类任务中展现出极高的正确率。许多stateArt方法都在训练阶段适用了数据扩增（data augmentation）技术。本文关注使用数据扩增进行分类时的决策规则（decision rule）问题。我们的方法称为APAC:扩增模式分类，这是一种使用扩增数据来学习最优决策规则的分类方法。数据扩增方法的讨论并非本文重点。本文的多个实验证据说明，相比于传统分类预测方法，APAC给出了更好的泛化性能。我们基于APAC设计的CNN模型在Mnist数据集上达到了stateArt级别。甚至，我们的多层感知器模型，在使用了近期提出的随机正则化技术（stochastic regularization techniques）后，在Cifar10数据集上仍然取得了比一些CNN模型更佳的性能。

Introduction

Related Work

Theory

Experiments

Results

Reference