重新审视卷积神经网络中的边缘检测
计算机视觉与模式识别
2020-12-29 v1
摘要
检测边缘的能力是真正捕捉视觉概念所必需的基本属性。在本文中，我们证明边缘无法在神经网络的第一卷积层中得以恰当表示，并进一步表明在 VGG-16 与 ResNet 等流行神经网络架构中边缘被较差地捕捉。研究发现这些神经网络依赖于颜色信息，而该信息在其评估所用数据集之外的场景中可能以意想不到的方式变化。为提升其鲁棒性，我们提出边缘检测单元，并表明它们减少了性能损失且生成定性不同的表示。通过比较各类模型，我们表明边缘检测的鲁棒性是促成模型对颜色噪声具有鲁棒性的重要因素。
引用
@article{arxiv.2012.13576,
title = {Revisiting Edge Detection in Convolutional Neural Networks},
author = {Minh Le and Subhradeep Kayal},
journal= {arXiv preprint arXiv:2012.13576},
year = {2020}
}
备注
10 pages, 6 figures