【翻译论文】An Architecture Combining Convolutional Neural Network (CNN) and Support Vector Machine (SVM) for Image Classification(2017)
一种结合卷积神经网络(CNN)和支持向量机(SVM)的图像分类架构
DOI:10.48550/arXiv.1712.03541
摘要:
卷积神经网络(cnn)类似于“普通”神经网络,它们由隐藏层组成,这些层由具有“可学习”参数的神经元组成。这些神经元接收输入,执行点积,然后再进行非线性处理。整个网络表示原始图像像素与其等级分数之间的映射关系。按惯例,Softmax函数是在这个网络的最后一层使用的分类器。然而,已有研究[2,3,11]对这一标准提出了挑战。引用的研究介绍了线性支持向量机(SVM)在人工神经网络体系结构中的应用。这个项目是对这个主题的另一个尝试,并受到了[11]的启发。实证数据表明,利用MNIST数据集[10],CNN-SVM模型能够达到≈99.04%的测试精度。另一方面,使用相同的数据集,CNN-Softmax能够达到≈99.23%的测试精度。这两个模型也在最近发布的Fashion-MNIST数据集[13]上进行了测试,该数据集被认为是比MNIST[15]更难的图像分类数据集。CNN-SVM的测试精度为≈90.72%,而CNN-Softma