关于卷积网络的盲区
机器学习
2018-07-10 v2 机器学习
摘要
深度卷积网络在过去几年中已成为广泛任务的最先进方法。其在许多情形下的成功，已使其在相当多领域中成为默认模型。在本工作中，我们将证明卷积网络存在局限性，在某些情况下可能阻碍其学习数据的性质，而这些性质易被传统的、要求更低的模型所识别。为此，我们针对图像识别与文本分析任务开展了一系列竞争性分析研究，卷积网络在这些任务上已知可提供最先进结果。在我们的研究中，我们注入一种网络无法察觉的揭示真相的信号，从而反复击中网络的盲区。该信号不会损害网络已有的性能，但确实为能够捕捉它的模型提供了显著提升性能的机会。精心设计的信号的各种形式揭示了卷积网络的优缺点，这或许能为研究深度架构能力的理论学者以及考虑将卷积网络应用于手头任务的实践者提供见解。
引用
@article{arxiv.1802.05187,
title = {On the Blindspots of Convolutional Networks},
author = {Elad Hoffer and Shai Fine and Daniel Soudry},
journal= {arXiv preprint arXiv:1802.05187},
year = {2018}
}