可操控卷积神经网络
机器学习
2019-04-23 v1 机器学习
摘要
人们早已认识到，表示的等变性和不变性对于许多视觉任务的成功至关重要。本文提出了可操控卷积神经网络（Steerable CNNs），这是一类高效且灵活的等变卷积网络。我们展示了可操控CNN在CIFAR图像分类基准上取得了最先进的结果。可操控表示的数学理论揭示了一个类型系统，其中任何可操控表示都是基本特征类型的组合，每种类型都与特定类型的对称性相关联。我们展示了可操控滤波器组的参数代价如何依赖于输入和输出特征的类型，并展示了如何利用这一知识来构建有效利用参数的CNN。
引用
@article{arxiv.1612.08498,
title = {Steerable CNNs},
author = {Taco S. Cohen and Max Welling},
journal= {arXiv preprint arXiv:1612.08498},
year = {2019}
}