使用 CNN 滤波器学习 FRAME 模型

Sep, 2015

Learning FRAME Models Using CNN Filters

Yang Lu, Song-Chun Zhu, Ying Nian Wu

TL;DR本文从生成的角度研究了卷积神经网络，提出了一种学习基于卷积层过滤器的生成 FRAME 模型的方法，并说明了每个学习的模型对应于上面一层的新 CNN 单元，最终展示了利用这样的生成 CNN 模型学习新的 CNN 单元的可能性，学习算法允许使用二元潜变量的 EM 解释。

Abstract

The convolutional neural network (ConvNet or CNN) has proven to be very successful in many tasks such as those in computer vision. In this conceptual paper, we study the generative perspective of the discriminative CNN. In particular, we propose to learn the generative FRAME (Filters,

convolutional neural network generative frame model cnn units learning algorithm product of experts model

发现论文，激发创造

卷积神经网络的生成建模

本文研究了 CNN 的生成建模和渐进预训练方法，并提出了一种基于重要性采样的生成梯度和一种采样图像的可视化方法，实验证明这些方法能够有效提高 CNN 性能并生成真实且多样化的图像样本。

Dec, 2014

动态过滤网络

介绍一种新的动态滤波网络架构，使得学习的滤波器可以根据输入动态生成，具有高度适应性，且不会过多增加模型参数。通过可视化学习到的滤波器，证明该网络可以在无标签数据上学习信息，从而可以用于各种无监督预训练任务，例如光流和深度估计。

May, 2016

噪声抑制卷积神经网络的信号处理解释

这篇文章通过将信号处理的基本原理与深度学习领域相连接，在统一的理论框架下，建立了对深度卷积框图的直观理解，解释了多样的编码 - 解码卷积神经网络架构，并提供了设计稳健高效的新颖卷积神经网络架构的重要指导。

Jul, 2023

生成型 ConvNet 的理论

本文介绍了一种基于自编码器和多类别分类卷积神经网络的生成式 ConvNet 模型，该模型可以用于合成真实自然图像模式。

Feb, 2016

视觉跟踪的循环滤波学习

本研究提出了一种递归滤波器生成方法来进行视觉跟踪，直接将目标的图像块作为输入，使用递归神经网络来生成一个特定于目标的滤波器，通过将 RNN 中的全连接层的矩阵乘法扩展到特征图上的卷积运算，对目标的空间结构进行保留和内存优化。

Aug, 2017

学习上下文敏感的卷积滤波器用于文本处理

本研究中提出一种使用小型元网络学习文本处理的上下文敏感卷积滤波器的方法，并将该框架进一步推广到模拟句子对，通过可视化学习的上下文敏感滤波器验证了所提出的框架的有效性。

Sep, 2017

使用滤波器组在卷积神经网络中进行纹理分类

本研究通过建立一个简单的网络架构 (Texture CNN)，探究了卷积神经网络 (CNN) 中深度特征提取层与纹理分析方法之间的相似性，并将纹理分析方法中的 filter bank 思想应用到神经网络中，证明了其对提升网络表现和大幅减少运算及占用空间的优势。

Jan, 2016

学习卷积神经网络压缩的滤波器基础

本论文提出基于卷积层中滤波器基的卷积神经网络参数数量缩减的方法，通过在多个 CNN 架构上对图像分类和图像超分辨率基准进行实验，结果表明该方法在减少参数和保持精确度方面优于现有技术。

Aug, 2019

具有图卷积神经网络的稳健空间滤波

本文介绍了一种基于图卷积神经网络的新型神经学习框架并探讨了其在处理结构化和非结构化分类问题方面的应用，证明该方法在文档和分子分类问题方面具有国际领先水平。

Mar, 2017

使用卷积神经网络学习生成椅子、桌子和汽车

本文介绍了如何使用生成型神经网络进行 3D 模型的图像生成及对象比较，并展示了其在不同对象之间进行匹配时的卓越表现。

Nov, 2014