ASU-CNN：一种用于图像分类与特征可视化的高效深度架构

Jamshaid Ul Rahman; Faiza Makhdoom; Dianchen Lu

ASU-CNN：一种用于图像分类与特征可视化的高效深度架构

计算机视觉与模式识别 2023-05-31 v1 机器学习

作者: Jamshaid Ul Rahman , Faiza Makhdoom , Dianchen Lu

摘要

激活函数在决定深度神经网络的能力方面起着决定性作用，因为它们使神经网络能够捕捉输入数据中固有的非线性。此前关于激活函数的研究主要集中于单调或非振荡函数的效用，直到Growing Cosine Unit打破了这一禁忌，应用于若干任务。本文提出一种名为ASU-CNN的卷积神经网络模型，其在各层中使用近期设计的激活函数ASU。通过该非单调且振荡的函数，借助不同卷积层的特征图可视化来考察其效果。所提网络的优化由Adam以微调学习率的方式实现。该网络在CIFAR-10分类的训练与测试数据上均取得了有前景的结果。实验结果证实了所提模型在执行计算机视觉领域相关任务时的计算可行性与有效性。

关键词

卷积神经网络激活函数异步正弦单元图像分类特征可视化 CIFAR-10

引用

@article{arxiv.2305.19146,
  title  = {ASU-CNN: An Efficient Deep Architecture for Image Classification and Feature Visualizations},
  author = {Jamshaid Ul Rahman and Faiza Makhdoom and Dianchen Lu},
  journal= {arXiv preprint arXiv:2305.19146},
  year   = {2023}
}

备注

11 pages , 8 figures

ASU-CNN：一种用于图像分类与特征可视化的高效深度架构

摘要

关键词

引用

备注

相关论文