权重机制：在串联连接拼接中引入常数
计算机视觉与模式识别
2020-11-19 v2
摘要
浅层特征图更多关联纹理、形状等图像属性，而深层存在抽象语义表示，这已成共识。同时，卷积操作过程中会丢失部分图像信息。自然地，直接方法是通过拼接或相加将其结合以弥补丢失的细节信息。事实上，特征融合中流动的图像表示无法与语义表示完全匹配，且不同层间的语义偏差也破坏了信息纯化，导致无用信息混入融合层。因此，缩小融合层间差距并降低融合过程中噪声影响至关重要。本文提出一种称为权重机制的方法，以缩小串联连接拼接中特征图间的差距，并通过改变残差 U-Net 中串联连接拼接的权重，在 Massachusetts 建筑数据集上获得 0.80% mIoU 的提升。具体而言，我们设计了一种名为融合 U-Net 的新架构来测试权重机制，其同样获得了 0.12% mIoU 的提升。
引用
@article{arxiv.2003.03500,
title = {Weight mechanism: adding a constant in concatenation of series connect},
author = {Xiaojie Qi},
journal= {arXiv preprint arXiv:2003.03500},
year = {2020}
}
备注
7 pages, 9 figures