深度学习中小卷积核的高效高阶卷积
原文约300字，阅读约需1分钟。发表于：。通过提出一种新的方法来实现低内存和计算成本的高阶 Volterra 滤波，在 DCNN 训练的前向和反向传播过程中具有计算优势，并基于该方法提出了一种名为 Higher-order Local Attention Block（HLA）的新型注意力模块，并在 CIFAR-100 数据集上进行了测试，显示了在分类任务中的有竞争力的改进。
该文章介绍了一种低内存和计算成本的高阶Volterra滤波方法，使用Higher-order Local Attention Block（HLA）注意力模块进行DCNN训练，通过在CIFAR-100数据集上的测试显示出有竞争力的分类任务改进。
