論文の概要: Comparison of Methods Generalizing Max- and Average-Pooling

• arxiv url: http://arxiv.org/abs/2103.01746v1
• Date: Tue, 2 Mar 2021 14:26:51 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 17:09:15.684995
• Title: Comparison of Methods Generalizing Max- and Average-Pooling
• Title（参考訳）: 最大および平均ポーリングの一般化法の比較
• Authors: Florentin Bieder, Robin Sandk\"uhler, Philippe C. Cattin
• Abstract要約: 最大および平均プールは畳み込みニューラルネットワークにおけるダウンサンプリングの最も一般的な方法である。 本稿では,最大値と平均値の両方を一般化する異なるプール法の比較を行う。 結果は、より洗練された方法のどれでも、標準的な最大または平均プールよりもこの分類タスクで有意に優れています。
• 参考スコア（独自算出の注目度）: 1.693200946453174
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Max- and average-pooling are the most popular pooling methods for downsampling in convolutional neural networks. In this paper, we compare different pooling methods that generalize both max- and average-pooling. Furthermore, we propose another method based on a smooth approximation of the maximum function and put it into context with related methods. For the comparison, we use a VGG16 image classification network and train it on a large dataset of natural high-resolution images (Google Open Images v5). The results show that none of the more sophisticated methods perform significantly better in this classification task than standard max- or average-pooling.
• Abstract（参考訳）: 最大および平均プールは、畳み込みニューラルネットワークにおけるダウンサンプリングの最も一般的なプーリング方法である。 本稿では,最大値と平均値の両方を一般化する異なるプール法の比較を行う。 さらに, 最大関数の円滑な近似に基づく別の手法を提案し, 関連手法を用いて文脈に配置する。 比較のために、VGG16画像分類ネットワークを使用して、自然の高解像度画像の大きなデータセット(Google Open Images v5)でトレーニングする。 結果は、より洗練された方法のどれでも、標準的な最大または平均プールよりもこの分類タスクで有意に優れています。

関連論文リスト

• A Gauss-Newton Approach for Min-Max Optimization in Generative Adversarial Networks [7.217857709620766]
  GAN(Generative Adversarial Network)のトレーニングのための新しい一階法の提案 ガウス・ニュートン法を修正して min-max Hessian を近似し、シャーマン・モリソン反転公式を用いて逆を計算する。 提案手法は,複数のデータセットにまたがる多彩な高忠実度画像を生成することができる。
  論文  参考訳（メタデータ） (2024-04-10T17:08:46Z)
• MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
  本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。 実験により,提案手法が現在の先行手法を超越していることが実証された。
  論文  参考訳（メタデータ） (2024-01-19T04:40:20Z)
• Compound Batch Normalization for Long-tailed Image Classification [77.42829178064807]
  本稿では,ガウス混合に基づく複合バッチ正規化法を提案する。 機能空間をより包括的にモデル化し、ヘッドクラスの優位性を減らすことができる。 提案手法は,画像分類における既存の手法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-02T07:31:39Z)
• The Theoretical Expressiveness of Maxpooling [4.028503203417233]
  我々は、ReLUに基づく近似を解析し、最大プール化を行う理論的枠組みを開発する。 最大プーリングはReLUアクティベーションを用いて効率的に複製できない。 最大プールと最適近似の違いの主な原因は、他のアーキテクチャ上の決定で克服できると結論付けている。
  論文  参考訳（メタデータ） (2022-03-02T10:45:53Z)
• AdaPool: Exponential Adaptive Pooling for Information-Retaining Downsampling [82.08631594071656]
  畳み込み層は畳み込みニューラルネットワーク(CNN)の重要な構成要素である 適応的で指数関数的に重み付けされたアダプール法を提案する。 adaPoolは画像やビデオの分類やオブジェクト検出など,さまざまなタスクを通じて,ディテールの保存性の向上を実証する。
  論文  参考訳（メタデータ） (2021-11-01T08:50:37Z)
• PixelPyramids: Exact Inference Models from Lossless Image Pyramids [58.949070311990916]
  Pixel-Pyramidsは、画像画素の関節分布を符号化するスケール特異的表現を用いたブロック自動回帰手法である。 様々な画像データセット、特に高解像度データに対する密度推定の最先端結果が得られる。 CelebA-HQ 1024 x 1024 では,フローベースモデルの並列化よりもサンプリング速度が優れているにもかかわらず,密度推定値がベースラインの 44% に向上することが観察された。
  論文  参考訳（メタデータ） (2021-10-17T10:47:29Z)
• Maximal function pooling with applications [4.446564162927513]
  Maxfun プールは Hardy-Littlewood maximal 機能に触発されます。 これは、最大プールや平均プールなど、最も人気のあるプーリング関数のいくつかに代わる実行可能な選択肢として提示されている。 まず、畳み込みスパース符号化の文脈で、次に画像分類のための2つのアプリケーションでmaxfunプーリングの特徴を実証します。
  論文  参考訳（メタデータ） (2021-03-01T20:30:04Z)
• Unsupervised Learning of Visual Features by Contrasting Cluster Assignments [57.33699905852397]
  ペア比較の計算を必要とせず,コントラスト的手法を生かしたオンラインアルゴリズムSwaVを提案する。 本手法では,クラスタ割り当て間の一貫性を保ちながら,同時にデータをクラスタ化する。 我々の方法は大規模で小さなバッチで訓練でき、無制限のデータにスケールできる。
  論文  参考訳（メタデータ） (2020-06-17T14:00:42Z)
• Clustering Binary Data by Application of Combinatorial Optimization Heuristics [52.77024349608834]
  本稿では,2値データのクラスタリング手法について検討し,まず,クラスタのコンパクトさを計測するアグリゲーション基準を定義した。 近隣地域と人口動態最適化メタヒューリスティックスを用いた5つの新しいオリジナル手法が導入された。 準モンテカルロ実験によって生成された16のデータテーブルから、L1の相似性と階層的クラスタリング、k-means(メドイドやPAM)の1つのアグリゲーションの比較を行う。
  論文  参考訳（メタデータ） (2020-01-06T23:33:31Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。