DropBlock-用在卷积网络上的新的dropout方法

谷歌团队最近提出了一种用在卷积网络上的新的dropout方法——DropBlock，我觉得很有必要向大家介绍一下。

简单的说，Dropout强迫神经网络不单独依赖某一个特征，从而提高网络的泛化能力，但使用卷积网络处理的数据（不仅仅是图像数据）通常具有空间上的关联性，因而对于位于某一空间区域的对象，随机丢弃难以drop掉该对象的信息，Dropout的目的也就不能充分达到。DropBlock则drop掉一整块区域（由超参数控制区域的大小）的激活值，强迫网络使用其他区域的特征。论文还指出，在训练过程中线性的逐步降低keep_prob的值可以获得更好的结果。
————————————————
版权声明：本文为CSDN博主「一蓑烟雨任平生」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u013214262/article/details/83904399