利用学习到的对称性改进群等变卷积
计算机视觉与模式识别
2021-06-10 v1
摘要
群等变卷积（GConvs）使卷积神经网络能够对各种变换群保持等变，但需付出额外的参数与计算代价。我们研究了 GConvs 学习到的滤波器参数，并发现了其高度冗余的某些条件。我们展示了 GConvs 可在保持等变性的同时被高效地分解为深度可分离卷积，并在两个数据集上展示了提升的性能与数据效率。所有代码公开于 github.com/Attila94/SepGrouPy。
引用
@article{arxiv.2106.04914,
title = {Exploiting Learned Symmetries in Group Equivariant Convolutions},
author = {Attila Lengyel and Jan C. van Gemert},
journal= {arXiv preprint arXiv:2106.04914},
year = {2021}
}