置换多面体晶格卷积神经网络
计算机视觉与模式识别
2015-05-05 v3 机器学习
神经与进化计算
摘要
本文提出了一种能够处理稀疏输入特征的卷积层。例如，对于图像识别问题，这允许对不位于密集网格（如像素位置）上、而是更一般的特征（如颜色值）的信号进行高效滤波。所提出的算法利用了置换多面体晶格数据结构。置换多面体晶格最初是为了高效实现双边滤波器（一种常用的图像处理操作）而引入的。它的使用使得当前（空间）卷积网络架构中的卷积类型得以泛化。
引用
@article{arxiv.1412.6618,
title = {Permutohedral Lattice CNNs},
author = {Martin Kiefel and Varun Jampani and Peter V. Gehler},
journal= {arXiv preprint arXiv:1412.6618},
year = {2015}
}