文件名称：network-deconvolution-pp
文件大小：6.16MB
文件格式：ZIP
更新时间：2024-04-21 04:08:45
JupyterNotebook
在训练深度神经网络中利用不变性 受动物视觉系统中两种基本机制的启发，我们引入了一种特征转换技术，该技术在训练深度神经网络时强加不变性。 生成的算法需要较少的参数调整，可以以1.0的初始学习率很好地训练，并且可以轻松地推广到不同的任务。 我们使用数据中的本地统计数据来执行尺度不变性，以对齐在不同情况下生成的相似样本。 为了加快收敛速度，我们使用从批次提取的全局统计信息来强制执行GL（n）-不变性，即在基础变化下梯度下降解应保持不变。 经过对ImageNet，MS COCO和Cityscapes数据集进行测试，我们提出的技术需要较少的迭代训练，大大超过了所有基线，可以无缝地进行小批量和大批量训练，并适用于图像分类的不同计算机视觉任务，对象检测和语义分割。 请输入每个子目录以查找每个任务的命令。 安全 有关更多信息，请参见。 执照 该项目已获得Apache-2.0许可证的许可。