定向响应网络
计算机视觉与模式识别
2017-07-14 v2
摘要
深度卷积神经网络（DCNN）能够学习前所未有的有效图像表示。然而，它们处理显著局部和全局图像旋转的能力仍然有限。在本文中，我们提出了主动旋转滤波器（ARF），它在卷积过程中主动旋转，并产生显式编码位置和方向的特征图。一个ARF充当一个虚拟滤波器组，包含滤波器本身及其多个未实例化的旋转版本。在反向传播过程中，一个ARF使用来自其所有旋转版本的误差进行集体更新。使用ARF的DCNN，称为定向响应网络（ORN），可以为分类任务产生类内旋转不变的深度特征，同时保持类间区分性。ORN产生的定向响应也可用于图像和物体方向估计任务。在多个最先进的DCNN架构上，如VGG、ResNet和STN，我们一致观察到，用所提出的ARF替换常规滤波器可显著减少网络参数数量并提高分类性能。我们在几个常用基准测试上报告了最佳结果。
引用
@article{arxiv.1701.01833,
title = {Oriented Response Networks},
author = {Yanzhao Zhou and Qixiang Ye and Qiang Qiu and Jianbin Jiao},
journal= {arXiv preprint arXiv:1701.01833},
year = {2017}
}
备注
Accepted in CVPR 2017. Source code available at http://yzhou.work/ORN