瞬时相位对于使用卷积神经网络进行分类的重要性
图像与视频处理
2022-07-05 v1
摘要
卷积神经网络（CNN）的大规模训练在计算资源方面要求极高。此外，对于特定应用，迁移学习的标准使用往往也需要远比可能所需更多的资源。本工作考察了使用AM-FM表示作为CNN分类应用输入图像的影响。比较了AM-FM分量组合与灰度图像作为精简网络和完整网络输入的情况。结果表明，仅有相位分量在简单网络中产生了显著预测。无论是IA还是灰度图像都未能使系统产生任何学习。此外，FM结果在训练时比最先进的MobileNetV2架构快7倍，所用参数少123倍，同时保持了可比的性能（AUC为0.78对0.79）。
引用
@article{arxiv.2207.00672,
title = {The Importance of the Instantaneous Phase for classification using Convolutional Neural Networks},
author = {Luis Sanchez Tapia and Marios S. Pattichis and Sylvia Celedon-Pattichis and Carlos Lopez Leiva},
journal= {arXiv preprint arXiv:2207.00672},
year = {2022}
}