多尺度层次卷积网络
机器学习
2017-03-14 v1 机器学习
摘要
深度神经网络算法难以分析，因为它们缺乏能够理解底层变换及不变量性质的结构。多尺度层次卷积网络是一种结构化的深度卷积网络，其中各层由逐步更高维的属性索引，这些属性是从训练数据中学习得到的。每一新层通过沿空间变量和属性变量的多维卷积进行计算。我们引入了此类网络的一种高效实现，其中通过沿属性索引对中间层进行平均来逐步降低维度。层次网络在 CIFAR 图像数据库上进行了测试，它们以少得多的参数获得了与当前最先进网络相当的精度的。我们研究了从这些数据库中学习到的属性的一些性质。
引用
@article{arxiv.1703.04140,
title = {Multiscale Hierarchical Convolutional Networks},
author = {Jörn-Henrik Jacobsen and Edouard Oyallon and Stéphane Mallat and Arnold W. M. Smeulders},
journal= {arXiv preprint arXiv:1703.04140},
year = {2017}
}