摘要

在机器学习长达数十年的发展历程中，循环神经网络（RNNs）主要应用于序列数据和时间序列分析，通常处理一维信息。即便在少数涉及二维图像的研究中，RNN也仅被用于顺序地学习和生成数据，而非用于图像识别任务。在本研究中，我们提出在设计图像识别模型时，将RNN作为附加层引入。同时，我们构建了端到端的多模型集成方法，通过多个模型协同生成专家级预测结果。此外，我们对训练策略进行了扩展，使得所提出的模型在性能上可与当前领先模型相媲美，甚至在多个具有挑战性的数据集上达到或超越当前最优水平（如SVHN：0.99，Cifar-100：0.9027，Cifar-10：0.9852）。特别地，我们的模型在Surrey数据集上创造了新的纪录（0.949）。本文所提出方法的源代码已公开，可访问：https://github.com/leonlha/e2e-3m 和 http://nguyenhuuphong.me。