Neural Decision Forests for Semantic Image Labelling(泛读)

一.文献名字和作者

    Neural Decision Forests for Semantic Image Labelling, CVPR2014
   

二.阅读时间

    2014年10月9日



三.文献的贡献点

    文章主要是将多层感知机作为决策树的分支结点,并提出了用于防止多层感知器Overfitting的方法:随机选择输入,基于数据复杂度的网络拓扑结构和L1范式的权重规范化。
    通过使用多层感知机作为分支结点,可以有效的自动学习数据的非线性特征,有利于提升分类的正确率。为了将感知机融合进决策树中,作者也提出了描述分支结点的概率模型,和一个用于训练整个模型的优化函数,数学推导非常多。但是,这篇文章并没有给出一个图来描述整个模型的框架。
    在需要使用到这部分内容的时候,需要深入研究下里面的推导过程。





版权所有,欢迎转载,转载请注明出处,谢谢微笑










你可能感兴趣的:(cvpr,DeepLeaning,文献阅读)