Adaptive Deconvolutional Networks for Mid and High Level Feature Learning(反卷积网络)
Adaptive Deconvolutional Networks for Mid and High Level Feature Learning
用于中高级特征学习的自适应反卷积网络
本文章记录反卷积网络论文阅读后的心得
摘要
文章提出了一个层次模型,通过交替层卷积稀疏编码和最大池化来学习图像分解。当在自然图像上训练时,我们的模型层以各种形式捕捉图像信息:低级边缘、中级边缘连接、高级对象部分和完整对象。为了构建我们的模型,我们依赖于一种新颖的推理方案,该方案确保每一层都重新构建输入,而不仅仅是直接在下面的
原创
2021-04-06 10:47:39 ·
464 阅读 ·
0 评论