1 摘要
本文提出一个叫ReNet的深度神经网络结构用于目标识别,该网络使用RNN代替了大部分的卷积+池化操作部分,通过使用RNN单元对图像块进行横向扫描、垂直扫描得到两个特征图再进行拼接。该网络在MNIST、CIFAR-10、SVHN数据集均有较好的表现。
2 亮点
2.1 使用RNN处理图像
作者认为使用池化层+卷积层会使得图像的信息丢失严重。因此作者使用RNN来避免池化操作。RNN一般是用于处理序列数据,如:语音识别、机器翻译等,RNN的结构图如下:
可以看到左边的RNN可以展开成右边,每个时刻的RNN都与当前和之前的有关。有关RNN更详细的资料可以参考:
而如果是处理图像,一般使用的是多维RNN,就是RNN有很多层。这样会使得计算量变得很大。而作者提出的RNN处理方式,不同于一般处理图片的RNN是使用多维RNN处理的。所以作者打算每次只处理图像的一行或者一列,使用BRNN处理(BRNN详细资料戳这!),BRNN就是双向的RNN。将图片划分成IxJ块,每块大小为 w p w_p wp × h p h_p hp