竞争多尺度卷积
计算机视觉与模式识别
2018-10-16 v1 机器学习
神经与进化计算
摘要
本文中，我们引入了一种新的深度卷积神经网络（ConvNet）模块，其在多尺度卷积滤波器集合间促进竞争。该新模块受Inception模块启发，我们将原始的协作池化阶段（由多尺度滤波器输出的拼接组成）替换为以maxout激活单元表示的竞争池化。此扩展有两个目标：1）在多尺度滤波器中选择最大响应可防止滤波器共适应，并允许在同一模型内形成多个子网络，这已被证明有助于复杂学习问题的训练；2）maxout单元降低了多尺度滤波器输出的维度。我们表明，在典型深度ConvNets中使用我们所提模块，在以下基准数据集上产生的分类结果优于或可与最先进水平媲美：MNIST、CIFAR-10、CIFAR-100和SVHN。
引用
@article{arxiv.1511.05635,
title = {Competitive Multi-scale Convolution},
author = {Zhibin Liao and Gustavo Carneiro},
journal= {arXiv preprint arXiv:1511.05635},
year = {2018}
}