关于 CNN 中的平移不变性：卷积层可利用绝对空间位置
计算机视觉与模式识别
2020-06-02 v2 机器学习
图像与视频处理
摘要
在本文中，我们挑战现代 CNN 中卷积层具有平移不变性的常见假设。我们表明，CNN 能够且将会利用绝对空间位置，通过学习仅对特定绝对位置响应的滤波器，并借助图像边界效应来实现。由于现代 CNN 的滤波器具有巨大的感受野，这些边界效应即使在远离图像边界处也起作用，使得网络能够在整个图像上利用绝对空间位置。我们给出了一种简单的去除空间位置编码的方法，该方法改善了平移不变性，从而提供了更强的视觉归纳偏置，尤其有益于小数据集。我们在多种架构及各种应用（如图像分类、块匹配以及两个视频分类数据集）上广泛证明了这些益处。
引用
@article{arxiv.2003.07064,
title = {On Translation Invariance in CNNs: Convolutional Layers can Exploit Absolute Spatial Location},
author = {Osman Semih Kayhan and Jan C. van Gemert},
journal= {arXiv preprint arXiv:2003.07064},
year = {2020}
}
备注
CVPR 2020. (Minor revision on Figure 4, arguments unchanged.)