多足卷积网络
计算机视觉与模式识别
2022-10-04 v1
摘要
在本文中，我们提出了一种称为 MultiPodNet 的卷积网络，它由两个以上并行处理输入图像以实现相同目标的卷积网络组合而成。并行卷积网络的输出特征图在网络的全连接层进行融合。我们通过实验观察到，三个并行足网络（TripodNet）在常用目标识别数据集中取得了最佳结果。基线足网络可以是任意类型。在本文中，我们使用 ResNet 作为基线网络，其输入为增强的图像块。TripodNet 的参数数量约为单个 ResNet 的三倍。我们使用标准反向传播类算法训练 TripodNet。在每个独立的 ResNet 中，训练时参数以不同的随机数初始化。TripodNet 在 CIFAR-10 和 ImageNet 数据集上达到了最先进的性能。例如，在 CIFAR-10 数据集上相同的训练过程下，它将单个 ResNet 的准确率从 91.66% 提升至 92.47%。
引用
@article{arxiv.2210.00689,
title = {Multipod Convolutional Network},
author = {Hongyi Pan and Salih Atici and Ahmet Enis Cetin},
journal= {arXiv preprint arXiv:2210.00689},
year = {2022}
}