×
A.V.萨维奇科。

基于距离因子的具有深度特征的多类别图像识别中的顺序三向决策。 （英语） Zbl 1448.68387号

信息科学。 489, 18-36 (2019).
小结：本文解决了类数较大时图像识别方法速度不足的问题。我们提出了一种基于序列三向决策的新算法，并对粒度计算进行了形式化描述。每幅图像都与深度卷积神经网络提取的高维特征的主成分得分相关联。低主成分代表粗颗粒，而细颗粒包含所有成分。最初，观察图像的第一个主成分和所有训练实例在最粗粒度级别进行匹配。其次，利用多重比较理论和Kullback-Leibler散度的渐近分布定义了负决策。即，评估距离系数（最小距离与所有其他距离的比值）。负决策集由距离因子超过特定阈值的实例填充。此集合中的图像不会在下一级别以更精细的粒度进行检查。在实验中，使用最先进的基于深度学习的特征提取器考虑了无约束人脸识别和图像分类。我们证明，与传统分类器和已知的多类决策理论粗糙集相比，该方法将运行时间减少了1.5-10倍。

引用于11文件

MSC公司：

68吨10 模式识别、语音识别
62华氏35 多元分析中的图像分析
68T07型 人工神经网络与深度学习

关键词：

图像识别；卷积神经网络；深层特征；顺序三方决策；粒度计算；多重比较

软件：

SIFT公司；卡费；LFW公司
PDF格式BibTeX公司 XML格式引用
\textit{A.V.Savchenko}，信息科学。489、18-36（2019年；Zbl 1448.68387）
全文： 内政部

参考文献：

[1] Y.本杰米尼。；Hochberg，Y.，《控制错误发现率：一种实用且强大的多重测试方法》，J.Roy。Stat.Soc.系列。B（Methodol.），289-300（1995）·Zbl 0809.62014号
[2] Burghouts，G。；Smeulders，A。；Geusebroek，J.-M.，《相似距离分布族》，《NIPS学报》，201-208（2008）
[3] Chow，C.K.，《关于最佳识别错误和拒绝权衡》，IEEE Trans。Inf.理论，16，1，41-46（1970）·Zbl 0185.47804号
[4] 邓，G。；Jia，X.，多类成本敏感分类的决策理论粗糙集方法，粗糙集国际联合会议，LNCS/LNAI，250-260（2016），Springer
[5] 费菲，L。；弗格斯，R。；Perona，P.，对象类别的一次性学习，IEEE Trans。模式分析。机器。智力。，28, 4, 594-611 (2006)
[6] 古德费罗，I。；Y.本吉奥。；科尔维尔，A.，《深度学习》。系列：《自适应计算和机器学习》（2016），麻省理工学院出版社：麻省理学院出版社，马萨诸塞州剑桥·Zbl 1373.68009号
[7] Y.Hochberg。；Tamhane，A.C.，《多重比较程序》（2009年）
[8] 贾毅。；谢尔哈默，E。；Donahue，J。；卡拉耶夫，S。；Long，J。；Girshick，R。；瓜达拉马，S。；Darrell，T.，Caffe:快速特征嵌入的卷积架构，第22届国际多媒体会议论文集，675-678（2014），美国计算机学会
[9] 科斯拉，A。；北加德瓦普拉卡什。；姚，B。；Li，F.-F.，用于细粒度图像分类的新型数据集：斯坦福犬，CVPRW关于细粒度视觉分类（FGVC）的论文集，2，1（2011）
[10] Kullback，S.，《信息理论与统计》（1997），多佛出版社：多佛出版社，米诺拉，纽约·Zbl 0149.37901号
[11] Learnd-Miller，E。；黄，G.B。；罗伊·乔杜里，A。；李，H。；Hua，G.，《野外标记人脸：人脸检测和人脸图像分析进展调查》，189-248（2016），Springer
[12] 李，H。；张，L。；周，X。；Huang，B.，使用深度神经网络的成本敏感序贯三方决策建模，国际J近似。原因。，85, 68-78 (2017) ·Zbl 1419.68078号
[13] 李海霞。；张立波。；黄，B。；Zhou，X.Z.，成本敏感型人脸识别的序贯三元决策和粒化，Knowl。基于系统。，91, 245-251 (2016)
[14] Lingras，P。；陈，M。；Miao，D.，粗糙多类别决策理论框架，粗糙集。知识。技术。，676-683 (2008)
[15] 刘博士。；李·T。；Li，H.，一种具有决策理论粗糙集的多类别分类方法，Fundam。通知。，115, 2-3, 173-188 (2012) ·Zbl 1248.68492号
[16] 朗，Y。；朱，F。；邵，L。；Han，J.，使用空间和统计池的小型封闭训练集进行人脸识别，Inf.Sci。，430-431, 634-644 (2018)
[17] Lowe，D.G.，《不同尺度关键点的独特图像特征》，《国际计算机杂志》。视觉。，60, 2, 91-110 (2004)
[18] 卢，J。；Han，J。；胡，Y。；Zhang，G.，《多级决策：一项调查》，《信息科学》。，346, 463-487 (2016) ·Zbl 1398.90077号
[19] 马西，I。；Tran，A。；哈斯纳，T。；Leksut，J.T。；Medioni，G.，我们真的需要收集数百万张人脸来进行有效的人脸识别吗？，ECCV会议记录（2016）
[20] O.M.帕基。；Vedaldi，A。；Zisserman，A.，《深度面部识别》，《BMVC会议录》，第1期，第6期（2015年）
[21] 佩德里茨，W。；Succi，G。；Sillitti，A。；Iljazi，J.，《数据描述：信息颗粒的一般框架》，Knowl。基于系统。，80, 98-108 (2015)
[22] 皮莱，I。；Fumera，G。；Roli，F.，带拒绝选项的多标签分类，模式识别。，46, 8, 2256-2266 (2013)
[23] Prince，S.J.，《计算机视觉：模型、学习和推理》（2012），剑桥大学出版社·Zbl 1267.68016号
[24] Savchenko，A.V.，基于连续三向决策和粒度计算的分段规则对象的快速多类识别，Knowl。基于系统。，91, 252-262 (2016)
[25] Savchenko，A.V.，智能分类系统中的搜索技术（2016），施普林格·Zbl 1338.68001号
[26] Savchenko，A.V.，实时图像识别中的最大似然近似最近邻法，模式识别。，61, 459-469 (2017) ·Zbl 1428.68278号
[27] Savchenko，A.V.，分段平稳语音信号有效分类中的顺序三向决策，粗糙集国际联合会议，LNCS/LNAI，264-277（2017），Springer
[28] Savchenko，A.V。；Belova，N.S.，《使用深度离地特征之间距离的最大似然进行无约束人脸识别》，专家系统。申请。，108, 170-182 (2018)
[29] Savchenko，A.V。；北卡罗来纳州贝洛娃。；Savchenko，L.V.，静止到视频识别中的模糊分析和深度卷积神经网络，Opt。内存。中性。Netw公司。（通知选项），27，1，23-31（2018）
[30] Savchenko，V.V。；Savchenko，A.V.，语音编码方法在自动语音识别中效率的信息论分析，J.Commun。Technol公司。电子。，61, 4, 430-435 (2016)
[31] 谢里夫·拉扎维安（Sharif Razavian），A。；阿齐兹普尔，H。；J·沙利文。；美国有线电视新闻网（CNN）Carlsson，S.，《离线报道：惊人的识别基线》，《CVPRW学报》，806-813（2014），IEEE计算机学会
[32] K.Simonyan，A.Zisserman，《用于大规模图像识别的甚深卷积网络》，载于：国际学习表征会议，2014年，arXiv:1409.1556；K.Simonyan，A.Zisserman，《用于大规模图像识别的甚深卷积网络》，载于：国际学习表征会议，2014年，arXiv:1409.1556
[33] Ślezak，D.，粗糙集和贝叶斯因子，Trans。粗糙集III，LNCS，3400，202-229（2005）·Zbl 1117.68072号
[34] Szczuka，M。；Ślezak，D.，复合信号的前馈神经网络，Theor Compute Sci，412，42，5960-5973（2011）·Zbl 1223.68098号
[35] Szegedy，C.等人。；刘伟。；贾毅。；Sermanet，P。；里德，S。；安格洛夫，D。；Erhan博士。；Vanhoucke，V。；Rabinovich，A.，《卷积深入研究》，《CVPR学报》，1-9（2015），IEEE计算机学会
[36] Wald，A.，《序列分析》（2013），多佛出版社：纽约多佛出版社
[37] 吴，X。；He，R。；孙，Z。；Tan，T.，《一家浅层有线电视新闻网，用噪音标签表现深色面部》（2016年），arXiv:1511.02683
[38] 杨，X。；李·T。；Fujita，H。；刘博士。；Yao，Y.，顺序三方决策和多级增量处理的统一模型，Knowl。基于系统。，134172-188（2017）
[39] 杨，X。；李·T。；刘博士。；陈，H。；Luo，C.，动态三向概率粗糙集的统一框架，Inf Sci（Ny），420126-147（2017）·Zbl 1436.68362号
[40] 姚明，Y。；赵勇，决策论粗糙集模型中的属性约简，信息科学。，178, 17, 3356-3373 (2008) ·Zbl 1156.68589号
[41] Yao，Y.Y.，概率粗糙集的三向决策，Inf.Sci。，180, 341-353 (2010)
[42] Yao，Y.Y.，《粒度计算和顺序三向决策》，《皇家科学技术学院学报》，LNCS，8171，16-27（2013），Springer
[43] Yao，Y.Y。；Deng，X.F.，概率粗糙集的顺序三元决策，ICCI*CC会议录，120-125（2011），IEEE计算机学会
[44] Yi，D。；雷，Z。；廖，S。；Li，S.Z.，《从头开始学习面部表情》（2014），arXiv:1411.7923
[45] 于，Z。；李·T。；罗，G。；Fujita，H。；Yu，N。；Pan，Y.，带跨层神经元的图像识别卷积网络，信息科学。，433-434, 241-254 (2018)
[46] 张，Q。；吕，G。；陈，Y。；Wang，G.，基于属性值更新的动态三方决策模型，Knowl。基于系统。，142, 71-84 (2018)
[47] 周，B.，多类决策论粗糙集，国际J近似推理。，55, 1, 211-224 (2014) ·Zbl 1316.68203号
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。