香港大学 | RLA:具有循环层要合的卷积神经网络（NeurlPS2021）

论文标题： Recurrence along Depth: Deep Convolutional Neural Networks with Recurrent Layer Aggregation 

论文链接：https://arxiv.org/abs/2110.11852

代码链接：https://github.com/fangyanwen1106/RLANet

作者单位：香港大学

本文引入了层聚合的概念来描述如何重用来自先前层的信息以更好地提取当前层的特征。虽然 DenseNet 是层聚合机制的典型例子，但其冗余在文献中一直受到批评。这促使我们提出一个非常轻量级的模块，称为循环层聚合 (RLA)，通过利用深度 CNN 中层的顺序结构。我们的 RLA 模块与许多主流的深度 CNN 兼容，包括 ResNets、Xception 和 MobileNetV2，我们在图像分类、对象检测和实例分割任务上的大量实验验证了其有效性。具体来说，可以在 CIFAR、ImageNet 和 MS COCO 数据集上统一观察到改进，并且相应的 RLA-Net 可以令人惊讶地将对象检测任务的性能提高 2-3%。这证明了我们的 RLA 模块在帮助主要 CNN 更好地学习图像中的结构信息方面的能力。

内容中包含的图片若涉及版权问题，请及时与我们联系删除