通过匹配滤波器揭开 CNN 处理图像之谜
计算机视觉与模式识别
2022-10-18 v1 信号处理
摘要
卷积神经网络（CNN）的成功在大数据时代彻底改变了我们接近和使用智能机器的方式。尽管取得成功，CNN 因其黑盒性质、构建的临时方式以及缺乏理论支撑和操作的物理意义而持续受到审视。这阻碍了对 CNN 的定量与定性理解，以及其在如健康 AI 等更敏感领域的应用。我们着手解决这些问题，并由此通过采用匹配滤波的视角揭开 CNN 操作的神秘面纱。我们首先阐明，作为 CNN 核心的卷积操作代表了一种旨在识别输入数据中特征存在的匹配滤波器。这进而作为在匹配滤波（信号处理中的常见操作）理论框架下解释 CNN 中卷积-激活-池化链的工具。我们进一步提供大量示例与实验来阐明这一联系，其中 CNN 中的学习也被显示为执行匹配滤波，这进一步揭示了所学参数与层的物理意义。希望本材料能为理解、构建和分析 CNN 提供新见解，并为开发 CNN 的新方法与架构铺平道路。
引用
@article{arxiv.2210.08521,
title = {Demystifying CNNs for Images by Matched Filters},
author = {Shengxi Li and Xinyi Zhao and Ljubisa Stankovic and Danilo Mandic},
journal= {arXiv preprint arXiv:2210.08521},
year = {2022}
}