不再使用步幅卷积或池化：一种面向低分辨率图像与小物体的新 CNN 构建模块
计算机视觉与模式识别
2022-08-09 v1 机器学习
摘要
卷积神经网络（CNN）在许多计算机视觉任务（如图像分类和目标检测）中取得了巨大成功。然而，在图像分辨率低或物体小的更困难任务上，其性能迅速下降。本文指出，这源于现有 CNN 架构中一个存在缺陷却常见的设计，即使用步幅卷积和/或池化层，导致细粒度信息丢失并学到有效性较低的特征表示。为此，我们提出一种新的 CNN 构建模块 SPD-Conv 来替代每一个步幅卷积层和每一个池化层（从而彻底消除它们）。SPD-Conv 由一个空间到深度（SPD）层后接一个非步幅卷积（Conv）层组成，可应用于绝大多数（即便不是全部）CNN 架构。我们在两个最具代表性的计算机视觉任务（目标检测和图像分类）下阐释了这一新设计。随后通过将 SPD-Conv 应用于 YOLOv5 和 ResNet 创建了新的 CNN 架构，并实证表明我们的方法显著优于最先进的深度学习模型，尤其是在具有低分辨率图像和小物体的更困难任务上。我们已在 https://github.com/LabSAINT/SPD-Conv 开源代码。
引用
@article{arxiv.2208.03641,
title = {No More Strided Convolutions or Pooling: A New CNN Building Block for Low-Resolution Images and Small Objects},
author = {Raja Sunkara and Tie Luo},
journal= {arXiv preprint arXiv:2208.03641},
year = {2022}
}
备注
European Conference on Machine Learning and Principles and Practice of Knowledge Discovery in Databases (ECML PKDD), 2022