利用响应相对于输入数据畸变的统计依赖性训练卷积神经网络
计算机视觉与模式识别
2019-12-03 v1 机器学习
摘要
本文提出了一种利用输入数据畸变程度信息训练卷积神经网络的方法。学习过程通过一个额外的层进行修改，该层随后被删除，因此原始网络的架构不改变。作为一个例子，考虑了基于 MNIST 字符且以可变畸变程度的高斯模糊作为畸变模型的 LeNet5 架构网络。该方法没有造成网络的质量损失，并且在测试数据的响应中具有传统训练方法所不具备的显著无误差区。响应在统计上依赖于输入图像畸变的程度，并且它们之间存在着强关联。
引用
@article{arxiv.1912.00664,
title = {Training the Convolutional Neural Network with Statistical Dependence of the Response on the Input Data Distortion},
author = {Igor Janiszewski and Dmitry Slugin and Vladimir V. Arlazarov},
journal= {arXiv preprint arXiv:1912.00664},
year = {2019}
}
备注
Submitted and presented at The 12th International Conference on Machine Vision (ICMV 2019). 8 pages, 7 figures, 14 references