退化对深度神经网络架构的影响
计算机视觉与模式识别
2025-02-19 v6 图像与视频处理
摘要
深度卷积神经网络（CNN）极大推动了大规模图像分类的最新进展。近来，一种使用胶囊（神经元组）的动态路由算法展现出最先进的识别性能。然而，此类网络在信号退化（噪声）存在下的行为大多未被探索。针对不同网络架构在噪声鲁棒性上的分析研究，对于在特定应用场景中选择合适模型至关重要。本文对六种深度架构在六种最常见图像退化模型下的图像分类性能进行了广泛分析。在本研究中，我们在高斯白噪声、高斯彩色噪声、椒盐噪声、高斯模糊、运动模糊与 JPEG 压缩噪声模型上比较了 VGG-16、VGG-19、ResNet-50、Inception-v3、MobileNet 与 CapsuleNet 架构。
引用
@article{arxiv.1807.10108,
title = {Effects of Degradations on Deep Neural Network Architectures},
author = {Prasun Roy and Subhankar Ghosh and Saumik Bhattacharya and Umapada Pal},
journal= {arXiv preprint arXiv:1807.10108},
year = {2025}
}
备注
10 pages