利用可微分二值嵌入网络学习蕨类映射
计算机视觉与模式识别
2020-05-29 v1
摘要
当前深度学习方法基于重复且昂贵的卷积操作，使用参数密集的权重矩阵。本文提出一种新概念，可在端到端网络中应用可微分随机蕨（random ferns）。它随后可用作深度网络架构中无乘法卷积层的替代方案。我们在TUPAC'16挑战的二分类任务上的实验表明，相较最先进的二值XNOR网络结果更优，且仅比其参数密集度高2倍的浮点CNN对应模型性能略差。
引用
@article{arxiv.2005.12563,
title = {Learning to map between ferns with differentiable binary embedding networks},
author = {Max Blendowski and Mattias P. Heinrich},
journal= {arXiv preprint arXiv:2005.12563},
year = {2020}
}