主关键滤波器假说：深度滤波器在深度可分离卷积神经网络中的通用性

本研究挑战了卷积神经网络中滤波器在深层变得更加专业化的普遍观点。我们通过对训练在ImageNet上的深度可分离卷积神经网络的分析发现，深层滤波器保持通用性，这与预期的特定类滤波器的变化相悖。我们的实验表明，这些深层滤波器在不同数据集上的迁移学习表现良好，具有重要的迁移学习与模型设计的影响。