Volterra神经网络（VNNs）
计算机视觉与模式识别
2023-06-16 v5 机器学习
图像与视频处理
摘要
机器学习（ML）中推理的重要性导致了ML尤其是深度学习中大量不同提案的爆发。为降低卷积神经网络的复杂度，我们提出一种受Volterra滤波器启发的网络架构。该架构以数据延迟输入样本间相互作用的形式引入受控非线性。我们提出Volterra滤波的级联实现，以显著减少执行与传统神经网络相同分类任务所需的参数数量。我们展示了该Volterra神经网络（VNN）的高效并行实现，及其在保持相对更简单且潜在更易处理的结构下的卓越性能。此外，我们展示了该网络一种颇为复杂的适配，用于非线性融合视频序列的RGB（空间）信息与光流（时间）信息以进行动作识别。所提方法在UCF-101与HMDB-51数据集上针对动作识别进行了评估，并显示出优于最先进CNN方法的表现。
引用
@article{arxiv.1910.09616,
title = {Volterra Neural Networks (VNNs)},
author = {Siddharth Roheda and Hamid Krim},
journal= {arXiv preprint arXiv:1910.09616},
year = {2023}
}
备注
Conference Version published in AAAI 2020. Journal version under review at JMLR