使用 CNN 滤波器学习 FRAME 模型

Yang Lu; Song-Chun Zhu; Ying Nian Wu

使用 CNN 滤波器学习 FRAME 模型

计算机视觉与模式识别 2015-12-09 v3

作者: Yang Lu , Song-Chun Zhu , Ying Nian Wu

摘要

卷积神经网络（ConvNet 或 CNN）在计算机视觉等许多任务中已被证明非常成功。在这篇概念性论文中，我们研究判别式 CNN 的生成视角。特别是，我们提出使用 CNN 在卷积层预先学习的高表达力滤波器来学习生成式 FRAME（Filters, Random field, And Maximum Entropy）模型。我们表明该学习算法能够生成自然场景中逼真且丰富的物体和纹理模式。我们解释每个学习到的模型对应于该模型所用滤波器层上方的一个新 CNN 单元。我们进一步表明，使用生成式 CNN 模型（一种专家乘积模型）可以学习一个新层的 CNN 单元，并且该学习算法允许具有二元隐变量的 EM 解释。

关键词

FRAME 模型 CNN 滤波器生成模型最大熵专家乘积纹理合成

引用

@article{arxiv.1509.08379,
  title  = {Learning FRAME Models Using CNN Filters},
  author = {Yang Lu and Song-Chun Zhu and Ying Nian Wu},
  journal= {arXiv preprint arXiv:1509.08379},
  year   = {2015}
}

使用 CNN 滤波器学习 FRAME 模型

摘要

关键词

引用

相关论文