| 基于信息修正的深度残差学习 |
| |
| 作者姓名： | 谢烟平 谭晓阳 |
| |
| 作者单位： | 南京航空航天大学计算机科学与技术学院,南京,211106;模式分析与机器智能工业和信息化部重点实验室,南京,211106;软件新技术与产业化协同创新中心,南京,211106;南京航空航天大学计算机科学与技术学院,南京,211106;模式分析与机器智能工业和信息化部重点实验室,南京,211106;软件新技术与产业化协同创新中心,南京,211106 |
| |
| 基金项目： | 国家自然科学基金(61672280,61373060,61732006)资助项目; 江苏省333高层次人才培养工程(BRA2017377)资助项目。 |
| |
| 摘 要： | 提出了一种新的深度残差网络的拓展模块,有效提高了学习表示的鲁棒性.所提出的方法是一个简单的即插即用模块,即组卷积式编码-解码结构,它可以作为一个额外的信息过滤部件集成到原来的深度残差网络中.利用编码器的下采样来产生信息压缩过的特征图,解码器模块被驱动以产生激活准确的特征图,其能够突出显示输入图片中最具有判别力的区域,最...
|
| 关 键 词： | 深度残差学习 深度神经网络 机器学习 信息修正 |
| 收稿时间： | 2019-11-10 |
| 修稿时间： | 2019-12-19 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《数据采集与处理》浏览原始摘要信息 |
|
点击此处可从《数据采集与处理》下载全文 |
|
