...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Neural processing letters >Class-specific discriminant regularization in real-time deep CNN models for binary classification problems
【24h】

Class-specific discriminant regularization in real-time deep CNN models for binary classification problems

机译：用于二进制分类问题的实时深度CNN模型中的类特定判别正则化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we first propose lightweight deep CNN models, capable of effectively operating in real-time on-drone for high-resolution video input, addressing various binary classification problems, e.g. crowd, face, football player, and bicycle detection, in the context of media coverage of specific sport events by drones with increased decisional autonomy. Furthermore, we propose a novel class-specific discriminant regularizer in order to improve the generalization ability of the proposed real-time models, exploiting the nature of the considered two-class problems. The experimental evaluation on four datasets validates the effectiveness of the proposed regularizer in enhancing the generalization ability of the proposed models.
机译：在本文中，我们首先提出了轻量级的深层CNN型号，能够有效地在实时操作的高分辨率视频输入，解决各种二进制分类问题，例如，解决各种二进制分类问题。人群，面部，足球运动员和自行车检测，在媒体覆盖特定运动赛事的背景下，无人机的果断自治增加。此外，我们提出了一种新的类别特定的判别符合规范器，以提高所提出的实时模型的泛化能力，利用所考虑的两类问题的性质。四个数据集的实验评估验证了所提出的规范器在提高拟议模型的泛化能力方面的有效性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号