自适应连接神经网络
计算机视觉与模式识别
2019-04-09 v1 机器学习
摘要
本文提出了一种新颖的自适应连接神经网络（ACNet），旨在从两个方面改进传统的卷积神经网络（CNN）。首先，ACNet 采用一种灵活的方式，通过自适应地确定特征节点（例如，特征图的像素）之间的连接状态，在处理内部特征表示时切换全局和局部推理。我们可以证明，现有的 CNN、经典的多层感知机（MLP）以及最近提出的非局部网络（NLN）都是 ACNet 的特例。其次，ACNet 还能够处理非欧几里得数据。在多种基准测试（即 ImageNet-1k 分类、COCO 2017 检测与分割、CUHK03 行人重识别、CIFAR 分析以及 Cora 文档分类）上的广泛实验分析表明，ACNet 不仅能达到最先进的性能，还能克服传统 MLP 和 CNN 的局限性。代码可在 https://github.com/wanggrun/Adaptively-Connected-Neural-Networks 获取。
引用
@article{arxiv.1904.03579,
title = {Adaptively Connected Neural Networks},
author = {Guangrun Wang and Keze Wang and Liang Lin},
journal= {arXiv preprint arXiv:1904.03579},
year = {2019}
}
备注
Accepted by CVPR 2019