上下文卷积神经网络
计算机视觉与模式识别
2021-08-18 v1 机器学习
摘要
我们提出用于视觉识别的上下文卷积(CoConv)。CoConv是标准卷积的直接替代方案,而标准卷积是卷积神经网络的核心组件。CoConv隐式具备整合上下文信息的能力,同时与标准卷积相比保持相近的参数数量与计算代价。CoConv的灵感来自神经科学研究,这些研究表明:(i)即便来自初级视觉皮层(V1区)的神经元也参与上下文线索的检测;(ii)一个视觉神经元的活动可受到完全位于其理论感受野之外的刺激的影响。一方面,我们将CoConv集成到广泛使用的残差网络中,并在视觉识别的核心任务与基准上展示了相对于基线的识别性能提升,即在ImageNet数据集上的图像分类与在MS COCO数据集上的目标检测。另一方面,我们将CoConv引入最先进的生成对抗网络(Generative Adversarial Network, GAN)的生成器中,在CIFAR-10和CelebA上展示了改进的生成结果。我们的代码可在https://github.com/iduta/coconv获取。
引用
@article{arxiv.2108.07387,
title = {Contextual Convolutional Neural Networks},
author = {Ionut Cosmin Duta and Mariana Iuliana Georgescu and Radu Tudor Ionescu},
journal= {arXiv preprint arXiv:2108.07387},
year = {2021}
}
备注
Accepted at ICCV Workshop on Neural Architectures (NeurArch 2021)