《信息与电子工程前沿(英文)》
>> 2020年
第21卷
第7期
doi:
10.1631/FITEE.1900116
半监督堆叠距离自动编码器的表征学习在图像分类上的应用
浙江大学控制科学与工程学院,中国杭州市,310027
收稿日期:
2019-02-28
录用日期:
2020-07-10
发布日期:
2020-07-10
下一篇
上一篇
摘要
图像分类是深度学习的重要应用。在典型分类任务中,分类精度与通过深度学习方法提取的特征密切相关。自动编码器是一种特殊神经网络,常用于降维和特征提取。本文所提方法基于传统的自动编码器,将不同类别样本之间的“距离”信息纳入其中。该模型被称为半监督距离自动编码器。首先以无监督方式对每一层进行预训练。在随后的监督训练中,将优化的参数设置为初始值。为获得更好性能,使用堆叠式模型代替具有单一隐含层的传统自动编码器结构。开展一系列实验测试不同模型在几个数据集上的性能,包括MNIST数据集、街景门牌号码(SVHN)数据集、德国交通标志识别基准(GTSRB)和CIFAR-10数据集。将所提半监督距离自动编码器方法分别与传统自动编码器、稀疏自动编码器和监督自动编码器比较,实验结果证明该模型有效。