ArcText：一种描述卷积神经网络架构的统一文本方法
信息检索
2020-06-01 v4 机器学习
图像与视频处理
摘要
卷积神经网络（CNNs）的优越性在很大程度上依赖于其架构，而这些架构通常由具备丰富人类专业知识的人员手工设计。遗憾的是，并非每位感兴趣的用户都必然拥有此类领域知识。对现有 CNN 进行数据挖掘，可从其架构中发现有用模式与基本子结构，为缺乏 CNN 专业知识的研发人员在设计合适 CNN 架构时提供强有力的先验知识。尽管已有多种最先进的数据挖掘算法可用，但针对此类挖掘的工作寥寥无几。主要原因之一是 CNN 架构与数据挖掘算法之间存在鸿沟。具体而言，当前的 CNN 架构描述无法精确向量化为数据挖掘算法的输入。本文提出一种名为 ArcText 的基于文本描述 CNN 架构的统一方法。特别地，ArcText 精心设计了四种不同单元与一种排序方法，以充足信息唯一地描述同一架构。此外，所得描述可精确还原为相应的 CNN 架构。ArcText 弥合了 CNN 架构与数据挖掘研究者之间的鸿沟，并具备应用于更广阔场景的潜力。
引用
@article{arxiv.2002.10233,
title = {ArcText: A Unified Text Approach to Describing Convolutional Neural Network Architectures},
author = {Yanan Sun and Ziyao Ren and Gary G. Yen and Bing Xue and Mengjie Zhang and Jiancheng Lv},
journal= {arXiv preprint arXiv:2002.10233},
year = {2020}
}