谐波网络：将频谱信息整合进CNN
计算机视觉与模式识别
2018-12-11 v1 机器学习
摘要
卷积神经网络（CNN）通过学习滤波器来捕捉特征空间中的局部相关模式。相比之下，本文提出谐波块，其通过学习由离散余弦变换定义的频谱滤波器的最优组合来产生特征。谐波块用于替换常规卷积层以构建部分或全谐波CNN。我们广泛验证了我们的方法，并表明在小型NORB、CIFAR10和CIFAR100数据集的分类任务中，将谐波块引入最先进CNN基线架构可获得相当或更好的性能。
引用
@article{arxiv.1812.03205,
title = {Harmonic Networks: Integrating Spectral Information into CNNs},
author = {Matej Ulicny and Vladimir A. Krylov and Rozenn Dahyot},
journal= {arXiv preprint arXiv:1812.03205},
year = {2018}
}