B_CNN论文笔记

**

B_CNN

**
在这里插入图片描述
在这里插入图片描述
再经过sum-pool 或者maxpool,后加分类模块。
fA:CxM fB: CxN
bilinear = MxN -----> reshape to size MN x 1 -----> classification

双线性CNN的梯度传播
双线性CNN的梯度传播

实验
本文采用 M(15 layers)conv5+relu ,D(30 layers)conv5-4 + relu。
在这里插入图片描述

Low dimensional bilinear CNN models

对称初始化的b-cnn在参数调整后还是对称的,因为梯度是相同的。虽然有效率,但是次优的,没有探索到不同的CNN空间。
为打破特征提取器的对称性:

  1. dropout效果稍微有所下降
  2. 降维度,降低通道数。

猜你喜欢

转载自blog.csdn.net/qq_41997237/article/details/108378685