BriefGPT - AI 论文速递
·
基于卷积自编码器的多模态一类分类
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种适用于多模态数据的深度学习分类方法，使用联合训练两个卷积自编码器来获得紧凑的数据表示，并使用潜在表示与原点的距离作为异常分数。实验结果表明，该方法在多模态昆虫图像分类数据集上表现更好，并探讨了特征多样性正则化对性能的影响。
🎯
关键要点
- 提出了一种适用于多模态数据的深度学习分类方法。
- 通过联合训练两个卷积自编码器，获得紧凑的数据表示。
- 在推理过程中，使用潜在表示与原点的距离作为异常分数。
- 实验结果显示，该方法在多模态昆虫图像分类数据集上表现优于单模态方法。
- 研究了不同输入图像尺寸的影响。
- 探讨了特征多样性正则化对方法性能的影响，结果表明其能够提高性能。
➡️
