将卷绞切割作为 CNN 中的特征池化技术
计算机视觉与模式识别
2024-09-11 v1
摘要
本文探讨了将卷绞切割（seam carving）作为卷积神经网络（CNN）中特征池化技术的潜力，用于图像分类任务。我们提出用卷绞切割操作取代传统的最大池化层。在 Caltech-UCSD 鸟类 200-2011 数据集上的实验表明，采用卷绞切割的 CNN 相比采用最大池化的模型在准确率、精确率、召回率和 F1 分数等指标上表现更佳。我们进一步通过特征图可视化分析两者的行为，表明卷绞切割可能在池化过程中保留更多结构信息。此外，我们讨论了方法的局限性，并提出未来研究的潜在方向。
引用
@article{arxiv.2409.06311,
title = {Seam Carving as Feature Pooling in CNN},
author = {Mohammad Imrul Jubair},
journal= {arXiv preprint arXiv:2409.06311},
year = {2024}
}