基于傅里叶神经算子的分辨率不变图像分类
计算机视觉与模式识别
2023-04-05 v1 机器学习
数值分析
数值分析
摘要
本文研究了傅里叶神经算子(FNOs)相较于标准卷积神经网络(CNNs)在图像分类中的使用。神经算子是神经网络在离散化不变意义下对无限维函数空间间算子逼近的推广。FNOs——一种具有特定参数化的神经算子——已成功应用于参数化偏微分方程语境。我们推导了FNO架构作为Lebesgue空间上连续且Fréchet可微神经算子的示例。我们进一步展示了CNNs与FNOs如何相互转换，并提出了该架构的插值等变适配。
引用
@article{arxiv.2304.01227,
title = {Resolution-Invariant Image Classification based on Fourier Neural Operators},
author = {Samira Kabri and Tim Roith and Daniel Tenbrinck and Martin Burger},
journal= {arXiv preprint arXiv:2304.01227},
year = {2023}
}