ChoiceNet：通过多种特征图表示的选择进行 CNN 学习
计算机视觉与模式识别
2019-08-27 v3
摘要
我们引入一种称为 ChoiceNet 的新架构，其中网络的每一层都通过跳跃连接与通道拼接高度连接。这使得网络能够缓解梯度消失问题，在不牺牲性能的前提下减少参数量，并鼓励特征复用。我们在三个用于物体识别任务的基准数据集（ImageNet、CIFAR-10、CIFAR-100、SVHN）以及一个语义分割数据集（CamVid）上评估了我们提出的架构。
引用
@article{arxiv.1904.09472,
title = {ChoiceNet: CNN learning through choice of multiple feature map representations},
author = {Farshid Rayhan and Aphrodite Galata and Timothy F. Cootes},
journal= {arXiv preprint arXiv:1904.09472},
year = {2019}
}