文摘
简单,优雅的方法训练直接从RGB像素卷积神经网络(cnn)享有压倒性的成功经验。但更多的性能可以挤出网络通过使用不同的输入表示?在本文中,我们提出并探索一个简单的想法:火车cnn直接在块离散余弦变换(DCT)系数计算和可用的JPEG编解码器。直观地说,当处理JPEG图像使用CNN,似乎不必要的减压块频率表示扩展像素表示,从CPU与GPU洗牌,然后用CNN,将学习过程类似于转换回频率表示在第一层。为什么不跳过步骤和饲料频域直接进入网络?在本文中,我们修改\ libjpeg生产DCT系数直接修改ResNet-50网络以适应不同大小和向输入,并评估ImageNet性能。我们发现网络都更快、更准确,以及网络与相同的精度,但比ResNet-50快1.77倍。
作者
莱昂内尔Gueguen,亚历克斯能够,本Kadlec,罗赞刘,杰森Yosinski
会议
NeurIPS 2018
论文全文
超级人工智能
评论