阶乘卷积神经网络
计算机视觉与模式识别
2021-11-16 v1
摘要
近年来，GoogleNet 作为用于目标检测中提取视觉特征的基础卷积神经网络（CNN）之一获得了大量关注。然而，其在拼接具有不同属性的元素时面临深度特征被污染的问题。此外，由于 GoogleNet 并非完全轻量级的 CNN，在资源受限的应用领域部署仍存在较多执行开销。因此，为克服这些功能上的挑战，提出了一种新的 CNN，FactorNet。FactorNet CNN 由多个独立子 CNN 组成以编码深度视觉特征的不同方面，并且在权重参数与浮点运算方面具有远少的执行开销。将 FactorNet 纳入 Faster-RCNN 框架证明，在 KITTI 目标检测基准数据集上的实时目标检测系统中，FactorNet 至少给出 \ignore{a 5\%} 更好的精度，并相较 GoolgleNet 产生额外的加速。
引用
@article{arxiv.2111.07072,
title = {Factorial Convolution Neural Networks},
author = {Jaemo Sung and Eun-Sung Jung},
journal= {arXiv preprint arXiv:2111.07072},
year = {2021}
}