BriefGPT - AI 论文速递
·
使用平移不变多相采样提升卷积神经网络的平移不变性
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
通过研究下采样算子，发现最大采样偏差与转移不变性呈负相关。提出了一种可学习的池化算子TIPS，通过正则化减小最大采样偏差，学习到转移不变的表示。实验证明，TIPS在图像分类和语义分割中性能提升，并在对抗性和分布鲁棒性方面改进。TIPS具有最低的最大采样偏差，解释了实证结果。
🎯
关键要点
- 通过研究下采样算子，发现最大采样偏差与转移不变性呈负相关。
- 提出了一种可学习的池化算子，称为平移不变的多相采样 (TIPS)。
- 对 TIPS 的中间特征映射进行了两种正则化以减小最大采样偏差。
- TIPS 学习到转移不变的表示。
- 实验证明，TIPS 在多个图像分类和语义分割基准测试中取得了持续的性能提升。
- TIPS 在对抗性和分布鲁棒性方面也有所改进。
- TIPS 具有最低的最大采样偏差，解释了强实证结果。
➡️
