Discovering class-wise trends of max-pooling in subspace

研究成果: Chapter in Book/Report/Conference proceedingConference contribution

5 被引用数 (Scopus)

抄録

The traditional max-pooling operation in Convolutional Neural Networks (CNNs) only obtains the maximal value from a pooling window. However, it discards the information about the precise position of the maximal value. In this paper, we extract the location of the maximal value in a pooling window and transform it into 'displacement feature'. We analyze and discover the class-wise trend of the displacement features in many ways. The experimental results and discussion demonstrate that the displacement features have beneficial behaviors for solving the problems in max-pooling.

本文言語英語
ホスト出版物のタイトルProceedings - 2018 16th International Conference on Frontiers in Handwriting Recognition, ICFHR 2018
出版社Institute of Electrical and Electronics Engineers Inc.
ページ98-103
ページ数6
ISBN(電子版)9781538658758
DOI
出版ステータス出版済み - 12 5 2018
イベント16th International Conference on Frontiers in Handwriting Recognition, ICFHR 2018 - Niagara Falls, 米国
継続期間: 8 5 20188 8 2018

出版物シリーズ

名前Proceedings of International Conference on Frontiers in Handwriting Recognition, ICFHR
2018-August
ISSN(印刷版)2167-6445
ISSN(電子版)2167-6453

その他

その他16th International Conference on Frontiers in Handwriting Recognition, ICFHR 2018
国/地域米国
CityNiagara Falls
Period8/5/188/8/18

All Science Journal Classification (ASJC) codes

  • コンピュータ サイエンスの応用
  • コンピュータ ビジョンおよびパターン認識

フィンガープリント

「Discovering class-wise trends of max-pooling in subspace」の研究トピックを掘り下げます。これらがまとまってユニークなフィンガープリントを構成します。

引用スタイル