基于通用图像处理核扩展卷积神经网络
计算机视觉与模式识别
2019-01-23 v1 机器学习
图像与视频处理
机器学习
摘要
我们将为图像处理开发的预定义核（亦称滤波器或掩模）应用于卷积神经网络。我们没有让神经网络自行寻找核，而是将 41 种不同的通用核（包括模糊、边缘检测、锐化、离散余弦变换等）用于卷积神经网络的第一层。该架构因此命名为通用滤波卷积神经网络（GFNN），与常规卷积神经网络（CNN）相比，可将训练时间减少 30% 且精度更优。GFNN 亦能以仅 500 个样本训练达到 90% 精度。此外，尽管这些核并非针对 MNIST 数据集专门设计，我们在不采用集成或任何其他特殊算法的情况下取得了 99.56% 的精度。
引用
@article{arxiv.1901.07375,
title = {Extension of Convolutional Neural Network with General Image Processing Kernels},
author = {Jay Hoon Jung and Yousun Shin and YoungMin Kwon},
journal= {arXiv preprint arXiv:1901.07375},
year = {2019}
}
备注
4 pages, 6 figures