阴阳卷积网络：通过对立分析提取图像流形
计算机视觉与模式识别
2023-10-26 v1 人工智能
摘要
计算机视觉领域总体取得了若干进展，如训练优化、新架构（纯注意力、高效模块、视觉语言模型、生成模型等）。这提升了分类等多项任务的性能。然而，多数模型侧重于修改，偏离了与大脑相关的现实神经科学方法。本工作中，我们采用更具生物启发性的方法，提出阴阳卷积网络（Yin Yang Convolutional Network），一种提取视觉流形的架构，其模块旨在初始层分离颜色与形状的分析，模拟枕叶的操作。我们的结果表明，该架构在数据集 CIFAR-10 的低参数量架构中提供了 State-of-the-Art 效率。我们的首个模型达到 93.32% 测试准确率，比该类别旧 SOTA 高 0.8%，同时参数量少 150k（总计 726k）。我们的第二个模型使用 52k 参数，仅损失 3.86% 测试准确率。我们还在 ImageNet 上进行了分析，以 1.6M 参数达到 66.49% 验证准确率。代码公开于：https://github.com/NoSavedDATA/YinYang_CNN。
引用
@article{arxiv.2310.16148,
title = {Yin Yang Convolutional Nets: Image Manifold Extraction by the Analysis of Opposites},
author = {Augusto Seben da Rosa and Frederico Santos de Oliveira and Anderson da Silva Soares and Arnaldo Candido Junior},
journal= {arXiv preprint arXiv:2310.16148},
year = {2023}
}
备注
12 pages, 5 tables and 6 figures