带最大池化的深度散射网络
数值分析
2022-08-11 v1 数值分析
摘要
散射网络是一种卷积网络,由使用预定义小波的级联卷积及随后的模算子构成。自 2012 年提出以来,散射网络被用作少数可解释卷积神经网络(CNNs)组成成分的数学工具之一。然而,作为传统 CNN 主要组件之一的池化算子并未在原散射网络中被考虑。本文提出一种新网络,称为 scattering-maxp 网络,将散射网络与最大池化算子相整合。我们对连续最大池化建模,将其应用于散射网络,得到 scattering-maxp 网络。我们证明 scattering-maxp 网络继承了散射网络的诸多有用性质(包括平移不变性),但参数数量大幅减少。数值实验表明,在图像分类任务中,使用 scattering-maxp 不会过多降低性能,且比原网络快得多。
引用
@article{arxiv.2101.02321,
title = {Deep Scattering Network with Max-pooling},
author = {Taekyung Ki and Youngmi Hur},
journal= {arXiv preprint arXiv:2101.02321},
year = {2022}
}