×
邱泽瑜;胡敏杰;赵红

基于粗到细粒度知识转移的层次分类。 （英语） Zbl 07581229号

国际J近似推理 149, 61-69 (2022).
摘要：由于数据量呈指数级增长，层次分类已成为最热门的研究课题之一。自顶向下层次分类是一种利用层次类结构作为重要侧面信息的有效分类方法。然而，在自顶向下策略中，层间错误传播是一个关键问题。本文提出了一种基于深分支卷积神经网络的层次分类器，该分类器实现了基于粗到细粒度知识转移的层次分类。具体来说，我们使用深度卷积神经网络从浅层和深层网络中提取图像的粗略和详细特征。然后，我们在卷积网络的不同深度嵌入分支网络，以进行分级分类。我们将先前分支网络中的要素拼接到当前分支。它通过从粗粒度到细粒度的知识传递来缓解层间错误传播。在四个数据集上的实验结果表明，该方法在层次分类方面优于九种常用分类器。特别是在CIFAR10数据集上，我们的方法比第二好的方法大约好5%。

MSC公司：

68层37 人工智能背景下的不确定性推理

关键词：

等级分类法;深卷积网络;分支网络;类层次结构

软件：

WordNet（文字网）
PDF格式BibTeX公司 XML格式引用
\textit{Z.邱}等，《国际近似推理》149，61-69（2022；Zbl 07581229）
全文： 内政部

参考文献：

[1] Bade，K。；Hullermeier，E。；Nurnberger，A.，按预期效用最大化进行分层分类，（国际数据挖掘会议（2006）），43-52
[2] 巴茨，B。；Denzler，J.，我们是否根据测试数据进行培训？清除近重复CIFAR，J.Imaging，6，6，41-52（2020）
[3] Bewley，S.M。；Nourani-Vatani，N。；Rao，D.，auv图像的层次分类，（高级机器人中的Springer Tracts（2015）），3-16
[4] Bouti，A。；Mahraz，医学硕士。；Riffi，J.，使用基于卷积神经网络的透镜结构的鲁棒道路标志检测和分类系统，软计算。，24, 9, 1-12 (2020)
[5] Cevikalp，H.，基于支持向量机的层次分类的新聚类算法，模式识别。莱特。，31, 11, 1285-1291 (2010)
[6] 程，N。；邹毅。；Teng，Y.，关于基于文本知识和层次分类的个人属性提取方法，应用。语言学家。(2019)
[7] 戴伊，N。；Zhang，Y.D。；Rajinikanth，V.，胸片肺炎检测的定制VGG19架构，模式识别。莱特。，143, 10, 67-74 (2021)
[8] Saykol，E。；Türe，H.T。；Sirvanci，A.M。；Turan，M.，使用深度值对土耳其手语进行基于姿势标记的手势分类，Kybernetes，45，4604-621（2016）
[9] Fu，Y。；Aldrich，C.，《使用卷积神经网络进行浮选泡沫图像识别》，Miner。工程，132183-190（2019）
[10] 郭，J。；Hou，B。；Yuan，Y.，一种通过l2正则化的基于鉴别协作表示的新分类方法，神经计算。申请。，32, 8, 9479-9493 (2020)
[11] Harary，F。；帕尔默，E。；Read，R.，《标记结构的方法数量》，《心理测量学》，32，2，155-156（1967）
[12] 胡，T。；梅特斯，P。；Huang，J.H.，Silco：显示一些图像，定位常见对象，（国际计算机视觉会议（2019）），35-47
[13] 西拉，C.N。；Freitas，A.A.，《跨不同应用程序域的分层分类调查》，Data Min.Knowl。发现。，31-72 (2011) ·兹比尔1235.68190
[14] Sendin，K。；曼利，M。；马里尼，F。；Williams，P.J.，《白玉米的分级分类路径，利用光谱成像进行缺陷和异物分类》，《微化学》。J.，162，10，1-9（2020年）
[15] Lam，P。；伊恩，M。；Huy，P.，用于音频场景分类的深度特征嵌入和层次分类，（国际神经网络联合会议（2020）），1-7
[16] 李，H。；刘，H。；Ji，X.，Cifar10-dvs：用于对象分类的事件流数据集，Front。神经科学。，11, 41-55 (2017)
[17] 林·G。；风扇，C。；Chen，W.，用于零快照学习的具有结构改进的类标签自动编码器，神经计算，428（2020）
[18] 刘，L。；科马尔，P.M。；Saha，S.，递归NMF：大型多类问题的高效标签树学习（模式识别（2012））
[19] 刘，Y。；Dou，Y。；Jin，R.，用于大规模图像分类的基于视觉混淆标签树的带回溯算法的分层学习，Vis。计算。，4, 10 (2021)
[20] 卢，C。；陈，H。；Chen，Q.，1-HKUST：ILSVRC 2014中的目标检测，计算。科学。，42, 6, 837-845 (2014)
[21] Miller，G.A.，Wordnet:英语词汇数据库，Commun。ACM，38、11、39-41（1995）
[22] 莫汉，A。；Singhal，G。；Biswas，B.，类层次树的锁管理框架，（《智能系统与计算进展》，第174卷（2013）），297-302
[23] 莫斯塔贾比，M。；Maire，M。；Shakhnarovich，G.，通过建模和预测标签结构规范深层网络，（计算机视觉和模式识别（2018））
[24] Rangarajan，A.K。；Purushothaman，R.，《利用预处理VGG16和msvm对茄子进行疾病分类》，科学版。代表，10，1，23-42（2020年）
[25] Ren，A。；李，J。；Li，Z.，SC-DCNN：使用随机计算的高标度深度卷积神经网络，Oper。系统。版次：51、2、405-418（2016）
[26] Sabett，C。；A.哈夫特卡。；Sexton，K.，L1，lp，l2，以及磁共振松弛测量中高斯分量分布正则化的弹性净惩罚，概念Magn。资源。，A部分，46，2，303-315（2017）
[27] Sadhana，S。；Mallika，R.，使用改进的基于alexnet模型的卷积神经网络检测糖尿病视网膜病变的智能技术，J.Intell。模糊系统。，40, 1, 1-12 (2020)
[28] 沈伟（Shen，W.）。；魏，Z。；Li，Q.，层次分类中基于三向决策的分块约简模型，Inf.Sci。，523, 4 (2020) ·Zbl 1458.68182号
[29] Tabik，S。；Alvear-Sandoval，R.F.，Mnist-net10：基于确定度达到0.1的异构深层网络融合
[30] 王，Y。；邹，R。；刘，F。；张，L。；Liu，Q.，深度神经网络风速和风力预测综述，应用。能源（2021年）
[31] 温，C。；杨伟（Yang，W.）。；Tang，J.，基于层次核化分类的社区问题主题分类，（信息与知识管理会议（2013））
[32] 吴庆云。；Tan，M.K。；Song，H.J.，Ml-forest：多标签分类的多标签树集成方法，IEEE Trans。知识。数据工程，28，10，2665-2680（2016）
[33] 肖，J。；冯玉英，基于概念层次树的数据挖掘算法及其应用研究，应用。Res.计算。（2005年）
[34] 永平，D.U。；晓燕，D.U。；Chen，S.，《文本分类的松弛层次结构构建》（2017），北京理工大学·Zbl 1399.68093号
[35] Yu，X。；Wang，S.H.，基于resnet18的转移学习在乳房X线照片中的异常诊断，Fundam。通知。，168, 2, 219-230 (2019)
[36] 袁，Z.Q。；徐，C.S。；Sang，J.T.，《学习特征层次：分层标记嵌入方法》，IEEE Trans。多媒体。，17, 6, 816-827 (2015)
[37] Zeiler，D.M。；Fergus，R.，《卷积网络的可视化和理解》（欧洲计算机视觉会议（2014）），818-833
[38] 赵，H。；胡，Q。；Zhu，P.，用于分层分类的基于递归正则化的特征选择框架，IEEE Trans。知识。数据工程，33，7，2833-2846（2021）
[39] 赵，H。；王，P。；胡琼，基于模糊粗糙集的大规模层次分类特征选择，IEEE Trans。模糊系统。，27, 10, 1891-1903 (2019)
[40] X.Zhu，M.Bain，B-CNN：用于分层分类的分支卷积神经网络，arXiv：计算机视觉和模式识别，2017年。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。