将图像梯度作为与输入图像关联的辅助输入以提升 CNN 模型性能
计算机视觉与模式识别
2020-06-09 v1 机器学习
图像与视频处理
摘要
CNN 是当今非常流行的神经网络架构。它主要是用于视觉相关任务、从给定图像中提取重要特征的最常用工具。此外，CNN 充当滤波器，在不同层中利用卷积操作提取重要特征。在现有 CNN 架构中，为了在给定输入上训练网络，仅将给定输入的单一形式送入网络。本文提出了一种新架构，其中给定输入以多于一种形式同时送入网络，并通过共享层处理两种形式的输入。我们将图像梯度作为与原输入图像关联的第二输入形式，并允许两个输入使用相同数量的参数在网络中流动，以提升模型的泛化性能。所提出的 CNN 架构在 MNIST、CIFAR10 和 CIFAR100 等多种数据集上应用的结果表明，相较于仅以单一形式输入考虑的基准 CNN 架构，其具有更优的结果。
引用
@article{arxiv.2006.04570,
title = {Incorporating Image Gradients as Secondary Input Associated with Input Image to Improve the Performance of the CNN Model},
author = {Vijay Pandey and Shashi Bhushan Jha},
journal= {arXiv preprint arXiv:2006.04570},
year = {2020}
}