Hyppää sisältöön
    • Suomeksi
    • På svenska
    • In English
  • Suomi
  • Svenska
  • English
  • Kirjaudu
Hakuohjeet
JavaScript is disabled for your browser. Some features of this site may not work without it.
Näytä viite 
  •   Ammattikorkeakoulut
  • Hämeen ammattikorkeakoulu
  • Opinnäytetyöt
  • Näytä viite
  •   Ammattikorkeakoulut
  • Hämeen ammattikorkeakoulu
  • Opinnäytetyöt
  • Näytä viite

IMPROVEMENT OF DEEP LEARNING MODELS ON CLASSIFICATION TASKS USING HAAR TRANSFORM AND MODEL ENSEMBLE

Nguyen, Son Tung (2017)

 
Avaa tiedosto
Tung_SonNguyen.pdf (1.277Mt)
Lataukset: 


Nguyen, Son Tung
Hämeen ammattikorkeakoulu
2017
All rights reserved
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-2017052610425
Tiivistelmä
Machine learning have an enormous impact on Computer Vision. This thesis investigates how to improve efficiency of a Machine learning technique called deep learning on classification tasks using Haar transform and model ensemble. Haar transform can be used to reduce the input size of image data to train more models and model ensemble is known to boost performance using multiple models instead of one.

Experimental results showed that Adaboost and stacking work as expected as they boosted the accuracies by 2-3% and approximately 1%. However, the other two methods, averaging and geometric mean, did not boost but scored between the best individual model and the worst. This thesis also suggests future work onto Adaboost and stacking.
Kokoelmat
  • Opinnäytetyöt
Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste
 

Selaa kokoelmaa

NimekkeetTekijätJulkaisuajatKoulutusalatAsiasanatUusimmatKokoelmat

Henkilökunnalle

Ammattikorkeakoulujen opinnäytetyöt ja julkaisut
Yhteydenotto | Tietoa käyttöoikeuksista | Tietosuojailmoitus | Saavutettavuusseloste