GaborNet：深度卷积神经网络中具有可学习参数的 Gabor 滤波器
计算机视觉与模式识别
2019-05-01 v1 机器学习
图像与视频处理
摘要
本文描述一种使用深度卷积神经网络的图像识别系统。提出一种改进的网络架构，侧重于改善收敛性并降低训练复杂度。网络第一层中的滤波器被约束为拟合 Gabor 函数。Gabor 函数的参数是可学习的，并通过标准反向传播技术更新。该系统在 Python 上实现，在多个数据集上测试，并优于常规卷积网络。
引用
@article{arxiv.1904.13204,
title = {GaborNet: Gabor filters with learnable parameters in deep convolutional neural networks},
author = {Andrey Alekseev and Anatoly Bobe},
journal= {arXiv preprint arXiv:1904.13204},
year = {2019}
}
备注
10 pages, 6 figures, 3 tables, preprint