一种限制卷积神经网络在噪声环境中性能损失的方法
计算机视觉与模式识别
2017-02-06 v1
摘要
卷积神经网络（CNN）识别率在噪声存在时下降。我们展示一种新方法，通过在运行时根据遇到的噪声条件调整卷积层神经元的偏置，来抵消这种识别率下降。我们将我们的技术与为所有可能噪声水平训练一个网络、通过用去噪自编码器预处理信号去雾（dehazing）以及为每个噪声水平专门训练一个网络进行比较。我们的系统在鲁棒性、计算复杂度和识别率方面表现良好。
引用
@article{arxiv.1702.00932,
title = {A method of limiting performance loss of CNNs in noisy environments},
author = {James R. Geraci and Parichay Kapoor},
journal= {arXiv preprint arXiv:1702.00932},
year = {2017}
}