利用边缘预测填充提升卷积神经网络的平移不变性
计算机视觉与模式识别
2023-07-18 v1
摘要
零填充常用于卷积神经网络中，以防止特征图尺寸随每层减小。然而，近期研究表明零填充会促进绝对位置信息的编码，这可能对某些任务的性能产生不利影响。本工作提出一种称为边缘预测填充（PP-Pad）的新型填充方法，其能够针对各任务端到端地训练适宜的填充值以替代零填充。此外，提出了定量评估模型平移不变性的新指标。通过这些指标评估，证实了所提方法在语义分割任务中比先前方法取得了更高的准确率和平移不变性。
引用
@article{arxiv.2307.07725,
title = {Improving Translation Invariance in Convolutional Neural Networks with Peripheral Prediction Padding},
author = {Kensuke Mukai and Takao Yamanaka},
journal= {arXiv preprint arXiv:2307.07725},
year = {2023}
}
备注
ICIP2023