用于变换不变神经网络的视觉上下文感知卷积滤波器
计算机视觉与模式识别
2019-06-25 v1 机器学习
机器学习
摘要
我们提出了一种新颖的视觉上下文感知滤波器生成模块，该模块将图像中存在的上下文信息融入卷积神经网络(CNNs)中。与传统的CNNs不同，我们不对所有输入图像实例采用同一组学习到的卷积滤波器。我们提出的输入条件卷积滤波器与受多示例学习和最大池化启发的技术相结合，产生了一种变换不变神经网络。我们在三个MNIST变体（涵盖旋转和缩放方差）上研究了我们提出框架的性能，在MNIST-rot-12k上达到1.13%的错误率，在Half-rotated MNIST上达到1.12%的错误率，在Scaling MNIST上达到0.68%的错误率，显著优于当前最优结果。我们利用可视化进一步证明了我们视觉上下文感知卷积滤波器的有效性。我们提出的视觉上下文感知卷积滤波器生成框架也可作为插件用于任何基于CNN的架构并增强其建模能力。
引用
@article{arxiv.1906.09986,
title = {Visual Context-aware Convolution Filters for Transformation-invariant Neural Network},
author = {Suraj Tripathi and Abhay Kumar and Chirag Singh},
journal= {arXiv preprint arXiv:1906.09986},
year = {2019}
}
备注
Under-Review