序列特征滤波分类器
计算机视觉与模式识别
2020-06-23 v1
摘要
我们提出序列特征滤波分类器（FFC），一种简单而有效的用于卷积神经网络（CNNs）的分类器。通过序列 LayerNorm 与 ReLU，FFC 将低激活单元置零并保留高激活单元。该序列特征滤波过程生成多个特征，这些特征被输入共享分类器以产生多个输出。FFC 可应用于任何带分类器的 CNN，并以可忽略的开销显著提升性能。我们在多项任务上广泛验证了 FFC 的有效性：ImageNet-1K 分类、MS COCO 检测、Cityscapes 分割以及 HMDB51 动作识别。此外，我们通过实验表明 FFC 能进一步提升其他技术（包括注意力模块与数据增强技术）的性能。代码与模型将公开提供。
引用
@article{arxiv.2006.11808,
title = {Sequential Feature Filtering Classifier},
author = {Minseok Seo and Jaemin Lee and Jongchan Park and Dong-Geol Choi},
journal= {arXiv preprint arXiv:2006.11808},
year = {2020}
}