平移跳跃连接——扩展全卷积神经网络的有效感受野
计算机视觉与模式识别
2022-11-07 v1 机器学习
图像与视频处理
摘要
全卷积神经网络的有效感受野是设计架构时的重要考量，因为它定义了每个卷积核可见的输入部分。我们提出一种扩展传统跳跃连接的神经网络模块，称为平移跳跃连接。平移跳跃连接以对参数空间大小与计算复杂度几乎无影响的方式几何级地增大架构的感受野。通过将平移跳跃连接嵌入基准架构，我们证明了我们的模块匹配或超越了其他四种扩展全卷积神经网络有效感受野的方法。我们在来自不同领域的五个当代图像分割数据集上确认了这一结果，包括COVID-19感染检测、航空影像分割、常见目标分割以及自动驾驶汽车分割。
引用
@article{arxiv.2211.02111,
title = {Translated Skip Connections -- Expanding the Receptive Fields of Fully Convolutional Neural Networks},
author = {Joshua Bruton and Hairong Wang},
journal= {arXiv preprint arXiv:2211.02111},
year = {2022}
}
备注
5 pages, 2 figures, 1 table, published at the 2022 IEEE International Conference on Image Processing