IMEXnet：一种前向稳定的深度神经网络
计算机视觉与模式识别
2019-05-21 v2
摘要
深度卷积神经网络已经革新了许多机器学习和计算机视觉任务，然而一些剩余的关键挑战限制了其更广泛的使用。这些挑战包括提高网络对输入图像扰动的鲁棒性，以及卷积算子有限的“感受野”。我们引入了 IMEXnet，通过采用偏微分方程的半隐式方法来应对这些挑战。与类似的显式网络（如残差网络）相比，我们的网络更稳定，近来已表明这能降低对输入特征微小变化的敏感性并改善泛化。隐式步的加入连接了图像每个通道中的所有像素，从而解决了感受野问题，同时在参数数量和计算复杂度方面仍可与标准卷积相媲美。我们还提出了一个用于语义分割的新数据集，并利用 NYU Depth 数据集证明了我们架构的有效性。
引用
@article{arxiv.1903.02639,
title = {IMEXnet: A Forward Stable Deep Neural Network},
author = {Eldad Haber and Keegan Lensink and Eran Treister and Lars Ruthotto},
journal= {arXiv preprint arXiv:1903.02639},
year = {2019}
}