自顶向下网络：对 CNN 的由粗到细重构

生物视觉采用由粗到细的信息处理通路，从对视觉场景显著特征的初始视觉检测与绑定，到对相关刺激进行增强和优先处理。相反，CNN 采用由细到粗的处理方式，从局部的边缘检测滤波器移动到更全局的滤波器以提取输入的抽象表示。在本文中，我们反转标准自底向上架构的特征提取部分并将其倒置：我们提出自顶向下网络。我们提出的由粗到细通路通过模糊高频信息并仅在后续阶段恢复它，为对抗引入高频噪声的对抗攻击提供了一条防御线。此外，由于我们通过深度增加图像分辨率，最终卷积层中特征图的高分辨率有助于网络决策过程的可解释性。这有利于以对象驱动的决策而非上下文驱动的决策，从而提供更好的局部化类激活图。本文为自顶向下分辨率处理在多个视觉任务上应用于各种现有架构提供了经验证据。