子流形稀疏卷积网络
神经与进化计算
2017-06-06 v1 计算机视觉与模式识别
摘要
卷积网络是分析图像、视频、3D 形状等时空数据的事实标准。虽然其中一些数据是自然密集的（例如照片），但许多其他数据源本质上是稀疏的。例子包括在纸上形成的笔迹，或使用 LiDAR 扫描仪或 RGB-D 相机获取的（彩色）3D 点云。标准的“密集”卷积网络实现应用于此类稀疏数据时效率极低。我们引入了一种专为处理稀疏数据而定制的稀疏卷积操作，它与先前关于稀疏卷积网络的工作不同之处在于，它严格在子流形上操作，而不是在网络中的每一层“膨胀”观测值。我们对由此产生的子流形稀疏卷积网络的实证分析表明，其性能与最先进的方法相当，同时所需的计算量大幅减少。
引用
@article{arxiv.1706.01307,
title = {Submanifold Sparse Convolutional Networks},
author = {Benjamin Graham and Laurens van der Maaten},
journal= {arXiv preprint arXiv:1706.01307},
year = {2017}
}
备注
10 pages