膨胀残差网络
计算机视觉与模式识别
2017-05-30 v1
摘要
用于图像分类的卷积网络逐步降低分辨率，直到图像由极小的特征图表示，此时场景的空间结构已不再可辨。这种空间敏锐度的损失会限制图像分类精度，并使模型向需要详细场景理解的下游应用迁移变得复杂。这些问题可以通过膨胀来缓解，膨胀在不减小单个神经元感受野的情况下提高输出特征图的分辨率。我们表明，膨胀残差网络（DRN）在图像分类中优于其非膨胀对应网络，且未增加模型的深度或复杂度。随后，我们研究了膨胀引入的网格伪影，开发了一种去除这些伪影的方法（“去网格”），并表明这进一步提升了 DRN 的性能。此外，我们表明 DRN 的精度优势在目标定位和语义分割等下游应用中进一步放大。
引用
@article{arxiv.1705.09914,
title = {Dilated Residual Networks},
author = {Fisher Yu and Vladlen Koltun and Thomas Funkhouser},
journal= {arXiv preprint arXiv:1705.09914},
year = {2017}
}
备注
Published at the Conference on Computer Vision and Pattern Recognition (CVPR 2017)