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。