文章主题:讨论采样在神经网络中的重要性
文章逻辑:
1.下采样的必要
因为下采样是为了减小计算量和增大感受野,所以尝试用空洞卷积(Diluted Convolution)和大卷核来代替下采样。空洞卷积结果:发现准确率和使用同参数VGG的结果差不多。大卷积核结果:收敛方式更加震荡一点,但是结果精度差不多。下采样结果:准确率低于前两种。结论:下采样的确会损失信息。
2. 多个小卷积核代替大卷积核
尝试用多个小卷积核来得到与大卷积核相同的感受野,同时减少参数量。结果:空洞卷积网络依然以较小的参数领先于depthwise卷积和3x3卷积混合网络,并以数倍更少的参数优势,在精度上略低于3x3级联网络。结论:深度之外,感受野以及该感受野上的通道数,真正决定了网络的性能。
3. 稀疏化
常见稀疏化:通道维度的稀疏化,这相当于减少通道数。
作者认为的稀疏化: