用于图像分类的MaxMin卷积神经网络
计算机视觉与模式识别
2016-10-26 v1
摘要
卷积神经网络(CNN)广泛应用于计算机视觉，尤其是图像分类。然而，信息和不变性属性在深度CNN架构中编码的方式仍是一个开放问题。在本文中，我们提议修改CNN的标准卷积块，以在层间传递更多信息同时保持网络内的某种不变性。我们的主要思想是充分利用卷积图中获得的正面和负面高分。该行为通过修改池化前的传统激活函数步骤实现。我们将特征图通过特定激活函数加倍，称为MaxMin策略，以实现我们的流程。在两个经典数据集MNIST和CIFAR-10上的大量实验表明，我们的深度MaxMin卷积网络优于标准CNN。
引用
@article{arxiv.1610.07882,
title = {Maxmin convolutional neural networks for image classification},
author = {Michael Blot and Matthieu Cord and Nicolas Thome},
journal= {arXiv preprint arXiv:1610.07882},
year = {2016}
}