Application of embeddings for multi-class classification with optional extendability

dc.contributor.authorSmilianets, F.
dc.date.accessioned2024-11-12T14:03:05Z
dc.date.available2024-11-12T14:03:05Z
dc.date.issued2024
dc.description.abstractThis study investigates the feasibility of an expandable image classification method, utilizing a convolutional neural network to generate embeddings for use with simpler machine learning algorithms. The possibility of utilizing this approach to add new classes by additional training without modifying the topology of the vectorization network was shown on two datasets: MNIST and Fashion-MNIST. The findings indicate that this approach can reduce retraining time and complexity, particularly for more complex image classification tasks, and also offers additional capabilities such as similarity search in vector databases. However, for simpler tasks, conventional classification networks remain more time-efficient.
dc.format.pagerangeС. 186-193
dc.identifier.citationSmilianets, F. Application of embeddings for multi-class classification with optional extendability / F. Smilianets // Адаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник. – 2024. – № 2 (45). – С. 186-193. – Бібліогр.: 8 назв.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/70537
dc.language.isoen
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.rights.urihttps://creativecommons.ru/licenses
dc.sourceАдаптивні системи автоматичного управління : міжвідомчий науково-технічний збірник, № 2 (45), 2024
dc.subjectmulticlass classification
dc.subjectconvolutional neural networks
dc.subjectembeddings
dc.subjectembedding-based classification
dc.subjectimage classification
dc.subject.udc004.932.2
dc.titleApplication of embeddings for multi-class classification with optional extendability
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Вантажиться...
Ескіз
Назва:
186-193.pdf
Розмір:
898.09 KB
Формат:
Adobe Portable Document Format
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис: