本文介绍了一篇由Adobe研究院发表在ICML 2019的论文，探讨如何通过反锯齿算法改进卷积神经网络的平移不变性。作者提出在下采样前应用低通滤波（图像模糊），以此缓解池化操作对平移不变性的破坏。实验表明，这种方法在CIFAR和ImageNet数据集上提高了网络精度，并改善了图像生成的视觉效果。
点击我爱计算机视觉标星，更快获取CVML新技术
前几天看到一篇来自Adobe研究院的论文《Making Convolutional Networks Shift-Invariant Again》，感觉很有启发性。
论文只有一位作者，该论文已被ICML 2019 接收。
在计算机视觉特征提取的研究历史中，平移不变性是算法设计者不断追求的。
具有平移不变性意即目标在图像中平移一定的像素，提取的特征不会差别很大。
请看以下这幅动图：
baseline展示了CNN网络的预测结果随着图像变化而大幅变化，Anti-aliased 为该论文的结果。
在深度卷积网络的世界里，一只鸟的图片平移了几个像素，它是一只鸟的概率就不同了，甚至就不再是一只鸟了，这就说不过去了。
这说明CNN网络不具有良好的平移不变性。
作者考虑了CNN网络的各个结构，认为卷积层本身是具有平移不变性的
最低0.47元/天 解锁文章
1387
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
