通过在输出层附近执行汇聚决策来提高准确性
摘要：使用CIFAR-10数据库，我们证明了池化决策与最后一个卷积层相邻可以显著提高准确性。特别是，m个层的高级VGG（A-VGGm）架构的平均准确性分别为0.936、0.940、0.954、0.955和0.955，其中m等于6、8、14、13和16。结果表明A-VGG8s的准确性优于VGG16s，而A-VGG13和A-VGG16的准确性相等，并且与Wide-ResNet16的准确性相当。此外，用一个全连接（FC）层替换三个FC层，A-VGG6和A-VGG14，或者用多个线性激活的FC层替换它们，都能得到相似的准确性。这些显著提高的准确性主要来自于训练最具影响力的输入-输出路径，而不是沿深层架构选择较差路径后的决策。此外，准确性对于非交换池化和平均池化算子在输出层相邻位置的顺序、训练路径的数量和位置都非常敏感。结果要求利用在输出层相邻处提出的池化策略重新审视先前提出的深层架构及其准确性。
作者：Yuval Meir, Yarden Tzach, Ronit D. Gross, Ofek Tevet, Roni Vardi and Ido Kanter
论文ID：2303.05800
分类：Computer Vision and Pattern Recognition
分类简称：cs.CV
提交时间：2023-09-01