DCFNet：具有分解卷积滤波器的深度神经网络
机器学习
2018-07-31 v3 计算机视觉与模式识别
机器学习
摘要
卷积神经网络（CNN）中的滤波器包含从海量数据中学习得到的模型参数。本文提出将 CNN 中的卷积滤波器分解为具有预固定基的截断展开，即分解卷积滤波器网络（DCFNet），其中展开系数仍从数据中学习。这种结构不仅减少了可训练参数数量与计算量，还通过基截断施加了滤波器正则性。通过大量实验，我们一致观察到 DCFNet 在图像分类任务中保持准确率的同时显著减少了模型参数，尤其是使用 Fourier-Bessel（FB）基，甚至随机基时。理论上，我们分析了 DCFNet 相对于输入变化的表示稳定性，并在对展开系数的通用假设下证明了表示稳定性。该分析与经验观察一致。
引用
@article{arxiv.1802.04145,
title = {DCFNet: Deep Neural Network with Decomposed Convolutional Filters},
author = {Qiang Qiu and Xiuyuan Cheng and Robert Calderbank and Guillermo Sapiro},
journal= {arXiv preprint arXiv:1802.04145},
year = {2018}
}
备注
Published at ICML 2018