Jul, 2018

卷积神经网络的惊人失败及其 CoordConv 解决方案

PDF
TL;DR本篇论文通过坐标转换问题展示了卷积神经网络的局限性，提出了 CoordConv 解决方案，它通过在卷积中引入额外的坐标通道，为神经网络提供了输入坐标的信息，从而可以学习任意程度的平移不变性和变化的空间表示。CoordConv 具有比卷积更高效的计算速度和更少的参数，可以有效提高模型的性能。
发现论文，激发创造
  • CoordGate: 在卷积神经网络中高效地计算空间变化卷积

    Optical imaging systems often face limitations in resolution due to the point spread function, but CoordGate, a lightweight module using a multiplicative gate and coordinate encoding network, offers an efficient solution for spatially-varying convolutions in CNNs, outperforming conventional approaches in image deblurring.

    Jan, 2024

  • 上下文卷积神经网络

    本文介绍了一种用于视觉识别的上下文卷积技术，理论基础来自神经科学研究；在图像分类和对象检测任务以及生成式对抗网络的生成结果方面，该技术都取得了较好的性能。

    Aug, 2021

  • SelectionConv: 针对非矩形图像数据的卷积神经网络

    本论文提出了一种新的结构化图卷积算子，可以复制二维卷积权重，将传统 CNN 训练的能力转移到新的图网络，从而可以处理非矩形数据，不需要在大型数据集上进行领域特定的训练。作者还展示了将预训练图像网络应用于分割、风格化和深度预测等多种数据形式，并得出了相应的实验结果。

    Jul, 2022

  • 坐标无关卷积网络 -- 黎曼流形上的等变同构和规范卷积

    该研究旨在为卷积神经网络设计一种与坐标系选择无关的卷积算法，在非欧几里得流形上实现平移不变性的同时，阐明了基于纤维丛的坐标无关卷积算法在欧几里得流形、球面、和一般曲面上的应用。

    Jun, 2021

  • 卷积神经网络是否学习到对应关系？

    本研究探讨了卷积神经网络激活特征在需要对应关系的任务中的有效性，通过实验结果表明，这些特征在局部细节定位方面有更好的表现，并且在对象部分对齐和关键点预测方面优于传统的手工特征。

    Nov, 2014

  • 高维卷积神经网络用于几何图形识别

    高维卷积神经网络可用于几何模式识别中，通过对高维空间中的线性子空间、三维注册、图像对应等问题的研究表明，相比于全局池化运算符，基于高维卷积神经网络的先进方法具有更好的性能。

    May, 2020

  • 网络反卷积

    本文讨论了卷积神经网络中重复数据学习的问题，提出了基于网络去卷积的方法，通过一系列实验发现该方法能够有效地提高模型性能并加速训练收敛速度。

    May, 2019

  • 曲率感知坐标网络的训练

    本文提出了一种利用二阶优化方法显著减少坐标网络训练时间并维护其可压缩性的解决方案，并在各种信号模态（如音频、图像、视频、形状重构和神经辐射场）上证明了其有效性。

    May, 2023

  • 卷积神经网络实现高效的物体定位

    通过深度卷积网络及位置细化模型使人体姿态的关节定位精度得到提升

    Nov, 2014

  • 卷积神经网络中的数值坐标回归

    本研究旨在通过不同 iable 的空间到数值变换（DSNT）方法来填补热力图匹配和完全连接输出层回归方法的不足，该方法在姿态估计方面具有更好的预测准确性。

    Jan, 2018