利用基于参数化对数的双树小波散射网的高效卷积网络学习
机器学习
2017-08-31 v1 机器学习
摘要
我们提出一种 DTCWT 散射网卷积神经网络（DTSCNN），其通过将 CNN 的前几层替换为基于参数化对数的 DTCWT 散射网构成。该散射网提取基于边缘的不变表示，供 CNN 的后层用于学习高层特征。这改善了网络的训练，因为边缘表示已经存在，后层从学习之初便能学习更复杂的模式。DTSCNN 网络的高效学习在 CIFAR-10 和 Caltech-101 数据集上得到验证。散射网前端具有通用性，其性能与预训练的 CNN 前端相当。此外，还给出了在 CIFAR-10 和 Caltech-101 数据集上与最先进方法的比较。
引用
@article{arxiv.1708.09259,
title = {Efficient Convolutional Network Learning using Parametric Log based Dual-Tree Wavelet ScatterNet},
author = {Amarjot Singh and Nick Kingsbury},
journal= {arXiv preprint arXiv:1708.09259},
year = {2017}
}
备注
To Appear in the IEEE International Conference on Computer Vision Workshops (ICCVW) 2017