可验证性与可预测性：解读点云处理网络架构的效用
计算机视觉与模式识别
2021-04-02 v3 机器学习
机器学习
摘要
本文对用于三维点云处理的深度神经网络进行诊断，以探究不同中间层网络架构的效用。我们提出若干关于特定中间层网络架构对 DNN 表征能力影响的假设。为证明这些假设，我们设计了五个指标，从信息丢弃、信息集中、旋转鲁棒性、对抗鲁棒性以及邻域不一致性角度诊断各类 DNN。我们基于此类指标进行对比研究以验证假设。我们进一步利用已验证的假设修订现有 DNN 的中间层架构并提升其效用。实验证明了我们方法的有效性。
引用
@article{arxiv.1911.09053,
title = {Verifiability and Predictability: Interpreting Utilities of Network Architectures for Point Cloud Processing},
author = {Wen Shen and Zhihua Wei and Shikun Huang and Binbin Zhang and Panyue Chen and Ping Zhao and Quanshi Zhang},
journal= {arXiv preprint arXiv:1911.09053},
year = {2021}
}