BriefGPT - AI 论文速递
·
深度非参数凸滤波在计算摄影、图像合成和对抗性防御中的应用
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种基于截断展开的分解卷积滤波器神经网络，可以通过学习扩展系数来减少参数和计算量，同时加强滤波器的规律性。实验证明，DCFNet在减少模型参数的同时，保持了图像分类任务的准确性，尤其是在使用Fourier-Bessel基时效果显著。
🎯
关键要点
-
提出了一种基于截断展开的分解卷积滤波器神经网络（DCFNet）。
-
通过预设基进行卷积滤波器的分解，学习扩展系数以减少可训练的参数和计算量。
-
基截断增强了滤波器的规律性。
-
实验证明，DCFNet在减少模型参数的同时保持了图像分类任务的准确性。
-
使用Fourier-Bessel基时，DCFNet的效果尤为显著。
-
理论分析表明，DCFNet对输入变化具有较好的表示稳定性，经验观察与理论分析一致。
➡️
