卷积网络中用于图像分类任务的滤波器分布模板
计算机视觉与模式识别
2021-04-30 v1
摘要
神经网络设计者通过增加模型深度、引入新层类型以及发现新的层组合，逐步提升了准确率。许多架构中的一个共同要素是各层滤波器数量的分布。神经网络模型保持一种在更深层中增加滤波器的模式设计，例如 LeNet、VGG、ResNet、MobileNet 中，甚至自动发现的架构如 NASNet 中也是如此。目前仍不清楚这种金字塔形滤波器分布对不同任务和约束是否最优。在这项工作中，我们提出了对四种流行神经网络模型中滤波器分布的一系列修改，及其在准确率和资源消耗上的影响。结果表明，通过应用该方法，部分模型的准确率提升高达 8.9%，同时参数减少达 54%。
引用
@article{arxiv.2104.13993,
title = {Filter Distribution Templates in Convolutional Networks for Image Classification Tasks},
author = {Ramon Izquierdo-Cordova and Walterio Mayol-Cuevas},
journal= {arXiv preprint arXiv:2104.13993},
year = {2021}
}
备注
arXiv admin note: text overlap with arXiv:2104.08446