多尺度低频记忆网络用于改进卷积神经网络中的特征提取

使用 Multiscale Low-Frequency Memory (MLFM) 网络框架，通过有效地保存低频信息来提高卷积神经网络的性能。测试结果表明，MLFM 能够显著提高多种 2D CNNs 和语义分割网络在图像分类和图像翻译任务方面的准确性和效率。

通过傅里叶特征映射，多层感知机（MLP）能够学习低维问题领域中的高频函数，提高了MLP在低维回归任务中的性能。研究结果对计算机视觉和图形学领域的最新进展提供了启示。

低维问题 傅里叶特征映射 卷积 多层感知机 性能提升 神经网络 高频函数