拓扑深度学习
机器学习
2021-03-05 v2 计算机视觉与模式识别
摘要
本工作介绍了拓扑CNN（TCNN），其涵盖了若干拓扑定义的卷积方法。利用与自然图像空间有重要关联的流形来参数化图像滤波器，这些滤波器在TCNN中用作卷积权重。这些流形还参数化TCNN各层中的切片，权重在这些切片上局部化。我们展示证据表明，与常规CNN相比，TCNN以更少的数据、更少的可学习参数学习更快，并具有更强的泛化性与可解释性。我们引入并探索了用于图像和视频数据的TCNN层，并提出了对3D图像与3D视频的扩展。
引用
@article{arxiv.2101.05778,
title = {Topological Deep Learning},
author = {Ephy R. Love and Benjamin Filippenko and Vasileios Maroulas and Gunnar Carlsson},
journal= {arXiv preprint arXiv:2101.05778},
year = {2021}
}
备注
28 pages, 14 figures