基于混合余弦的卷积神经网络
计算机视觉与模式识别
2019-04-04 v1
摘要
卷积神经网络（CNNs）已在海量应用中展现出解决各类问题的能力。然而，CNNs受限于其计算与存储需求。这些限制使得此类神经网络难以在嵌入式设备（如手机、智能相机或高级驾驶辅助系统）上实现。本文提出一种名为基于混合余弦的卷积的新层，利用余弦基生成滤波器权重以替代标准卷积层。所提层具有若干优势：训练收敛更快、感受野可零代价增大、并大幅减少参数量。我们在三项具竞争力的分类任务上评估所提层，其性能可达到与VGG和ResNet架构相似（某些情况下更优）的水平。
引用
@article{arxiv.1904.01987,
title = {Hybrid Cosine Based Convolutional Neural Networks},
author = {Adrià Ciurana and Albert Mosella-Montoro and Javier Ruiz-Hidalgo},
journal= {arXiv preprint arXiv:1904.01987},
year = {2019}
}