利用累加优化深度残差神经网络
计算机视觉与模式识别
2018-03-16 v1
摘要
残差神经网络 [1] 在 ImageNet 和 COCO 2015 竞赛的全部五个主要赛道中均获第一名。这类网络涉及创建可插拔模块，使得输出包含来自输入的残差。该文中的残差是恒等函数。我们建议包含来自所有较低层的残差，并进行适当的归一化以创建残差。这样，所有先前的层对一层的输出做出同等贡献。我们证明了我们的方法在 CIFAR-10 数据集上是对 [1] 的改进。
引用
@article{arxiv.1803.05778,
title = {Using accumulation to optimize deep residual neural nets},
author = {Yatin Saraiya},
journal= {arXiv preprint arXiv:1803.05778},
year = {2018}
}
备注
7 pages, 6 figures, 1 table