基于核的微分特性保全的无填充卷积
本文提出一种简单但有效的填充方案作为现有卷积神经网络的模块,我们将其称为基于部分卷积的填充,具有在卷积操作中根据填充区域和卷积滑动窗口面积的比率重新加权的功能,在 Imagenet 分类和语义分割测试中表现出比标准零填充更好的准确性。
Nov, 2018
我们在这项工作中展示了对抗攻击经常在图像边界产生扰动异常,而图像边界正是使用 padding 的区域;因此,我们旨在分析 padding 与对抗攻击之间的相互作用,并探讨不同 padding 模式(或其缺失)对各种情境下的对抗鲁棒性的影响。
Aug, 2023
本文提出了一种名为 PP-Pad 的新型填充方法,该方法可以进行每个任务的填充值的端到端训练,从而取代了零填充方法,同时还提出了一种评估模型平移不变性的新方法,在一个语义分割任务中,这种方法实现了比以往方法更高的精度和平移不变性。
Jul, 2023
在卷积内核方法中进行了数据组成特征提取的重要性研究,提出了一个数据驱动的卷积内核方法,通过对其效果进行广泛的研究,证明该方法已经在 CIFAR-10 分类准确性方面取得了与之前更复杂的卷积内核方法相同的准确性,将该方法扩展到 ImageNet 数据集,证明了该方法可以超越所有现有的非学习表示方法,成为目标识别的新基准。
Jan, 2021
本文提出两类代理函数,用于卷积算子内积运算的通用化,第一种是正定核函数,第二种是基于距离函数定义的相似性测量。通过在 MNIST 数据集上的实验表明,基于加权 L1/L2 距离的广义 CNN 可以实现普通 CNN 的性能,证明了卷积神经网络通用化的可行性。
Jul, 2017
本文介绍了一种使用经过训练的积分场实现大规模卷积的方法,用以弥补神经场作为连续信号表示方法而不易进行信号处理的问题。作者在各种数据模态和空间变化的核上演示了该方法。
Apr, 2023
本研究探讨了一层卷积、汇集和降采样操作组成的核的 RKHS,并用它来计算高维函数的一般化误差尖锐的渐近值。结果表明,卷积和池化操作在一层卷积核中如何在逼近和泛化能力之间权衡。
Nov, 2021