题目:HexNet: An Orientation-Aware Deep Learning Framework for Omni-Directional Input
HexNet: 面向全向输入的定向感知深度学习框架
作者:Chao Zhang; Stephan Liwicki; Sen He; William Smith; Roberto Cipolla
摘要
尽管全向传感器提供了全面的表示,但典型的深度学习框架通过将球面数据作为平面输入引入失真和不连续性,从而减少了这些好处。另一方面,最近的球面卷积神经网络(CNN)通常需要大量的内存和参数,因此只能在非常低的分辨率和浅层架构下执行。我们提出了HexNet,这是一个用于球面信号的方位感知深度学习框架,它通过利用标准平面网络操作对球体的有效排列投影进行快速计算。此外,我们为部分球体引入了基于图的版本,使我们能够在高分辨率下与使用残差网络架构的平面CNN竞争。我们的核在球体的切线上操作,因此可以在透视数据上预训练的标准特征权重可以转移,使得在ImageNet上进行球面预训练成为可能。由于我们的设计没有失真和不连续性,我们方位感知的CNN成