Decoupled Networks 論文筆記

0 摘要     基於內積運算的卷積操作一直是卷積神經網絡（CNN）的核心組件，也是學習視覺表示的關鍵。我們觀察發現，CNN學習的特徵是類內差異（特徵的幅值）和類間差異（特徵間的夾角，語義差異）的耦合。我們提出了一種通用的解耦學習框架，該框架對類內差異和類間差異進行獨立的建模。具體而言，我們首先將內積重新分解爲解耦的形式，然後將其推廣到解耦卷積算子，利用該算子構建解耦網絡。我們提出瞭解耦卷積算子的

>>阅读原文<<