在参数或FLOPS数量相同条件下提升传感器分辨率可改善CNN精度
计算机视觉与模式识别
2021-03-10 v1 机器学习
摘要
高图像分辨率对于在许多计算机视觉应用中获得良好性能至关重要。然而，CNN的计算复杂度随输入图像尺寸增大而显著增长。本文表明，几乎总可以修改网络，使其在更高输入分辨率下取得更高精度，同时保持相同的参数数量或/和FLOPS。该思路类似于EfficientNet论文，但不同于同时优化网络宽度、深度与分辨率，本文仅关注输入分辨率。这使得搜索空间大幅缩小，更适用于低计算预算场景。更重要的是，通过控制模型参数数量（即模型容量），我们证明精度的额外提升确实源于更高的输入分辨率。基于MNIST、Fashion MNIST与CIFAR10数据集的初步实证调研展示了所提方法的效率。
引用
@article{arxiv.2103.05251,
title = {Enhancing sensor resolution improves CNN accuracy given the same number of parameters or FLOPS},
author = {Ali Borji},
journal= {arXiv preprint arXiv:2103.05251},
year = {2021}
}