受生物启发用于计算机视觉应用的深度残差网络
计算机视觉与模式识别
2024-09-02 v1 神经与进化计算
图像与视频处理
摘要
深度神经网络已被确认为许多具有挑战性且研究活跃的计算机视觉任务领域中的关键技术。此外，经典 ResNet 被认为是一种最先进的卷积神经网络（CNN），并被观察到能够提取具有良好泛化能力的特征。在本工作中，我们提出一种受生物启发的深度残差神经网络，其中在跳跃连接上引入了六边形卷积。使用文献[1]所述的竞争性训练策略，评估了采用方形与六边形卷积的不同 ResNet 变体的性能。我们表明，所提方法在 CIFAR-10 上提升了原始 ResNet 架构的基线图像分类准确率，并且在 ImageNet 2012 数据集的多个子集上也观察到同样情况。我们观察到在 ImageNet 2012 和 CIFAR-10 的基线 top-1 准确率上分别平均提升了 1.35% 和 0.48%。所提出的受生物启发的深度残差网络被观察到具有改进的泛化性能，这可能成为提升最先进图像分类网络判别能力的潜在研究方向。
引用
@article{arxiv.2205.02551,
title = {Biologically inspired deep residual networks for computer vision applications},
author = {Prathibha Varghese and G. Arockia Selva Saroja},
journal= {arXiv preprint arXiv:2205.02551},
year = {2024}
}