网络中的网络
神经与进化计算
2014-03-05 v3 计算机视觉与模式识别
机器学习
摘要
我们提出了一种新颖的深层网络结构，称为“网络中的网络”（Network In Network, NIN），以增强模型对感受野内局部图像块的判别能力。传统的卷积层使用线性滤波器后接一个非线性激活函数来扫描输入。取而代之，我们构建了具有更复杂结构的微型神经网络来抽象感受野内的数据。我们以一个多层感知器来实例化该微型神经网络，它是一种强大的函数逼近器。特征图通过以类似于 CNN 的方式在输入上滑动微型网络而获得；然后它们被馈送到下一层。深层 NIN 可以通过堆叠多个上述结构来实现。借助微型网络增强的局部建模能力，我们能够在分类层中对特征图使用全局平均池化，这比传统的全连接层更易于解释且更不易过拟合。我们在 CIFAR-10 和 CIFAR-100 数据集上展示了 NIN 最先进的分类性能，并在 SVHN 和 MNIST 数据集上取得了合理的性能。
引用
@article{arxiv.1312.4400,
title = {Network In Network},
author = {Min Lin and Qiang Chen and Shuicheng Yan},
journal= {arXiv preprint arXiv:1312.4400},
year = {2014}
}
备注
10 pages, 4 figures, for iclr2014