Key points are not available for this paper at this time.
किसी दिए गए अनुप्रयोग के संदर्भ में उपयुक्त कन्वॉल्यूशनल न्यूरल नेटवर्क (CNN) आर्किटेक्चर को डिजाइन करना आमतौर पर भारी मानव श्रम या कई GPU घंटों में शामिल होता है, शोध समुदाय आर्किटेक्चर-न्यूट्रल CNN संरचनाओं की मांग कर रहा है, जिन्हें कई प्रौ成熟 आर्किटेक्चर में आसानी से जोड़ा जा सकता है ताकि हमारे वास्तविक जीवन के अनुप्रयोगों पर प्रदर्शन में सुधार हो सके। हम असममित कन्वॉल्यूशन ब्लॉक (ACB) का प्रस्ताव करते हैं, जो एक आर्किटेक्चर-न्यूट्रल संरचना है, जिसका उपयोग CNN निर्माण ब्लॉक के रूप में किया जाता है, जो स्क्वायर कन्वॉल्यूशन कर्नेल्स को मजबूत करने के लिए 1D असममित कन्वॉल्यूशन्स का उपयोग करता है। एक ऑफ-द-शेल्फ आर्किटेक्चर के लिए, हम मानक स्क्वायर-कर्नेल कन्वॉल्यूशनल परतों को ACBs से बदलते हैं ताकि एक असममित कन्वॉल्यूशनल नेटवर्क (ACNet) का निर्माण किया जा सके, जिसे उच्च स्तर की सटीकता प्राप्त करने के लिए प्रशिक्षित किया जा सकता है। प्रशिक्षण के बाद, हम ACNet को उसी मूल आर्किटेक्चर में समकक्ष रूप से परिवर्तित करते हैं, इस प्रकार अब और किसी अतिरिक्त गणनाओं की आवश्यकता नहीं होती। हमने देखा है कि ACNet CIFAR और ImageNet पर विभिन्न मॉडलों के प्रदर्शन में स्पष्ट अंतर से सुधार कर सकता है। आगे के प्रयोगों के माध्यम से, हम ACB की प्रभावशीलता को मॉडल की रोटेशनल डिस्टॉर्शन के प्रति मजबूती बढ़ाने और स्क्वायर कन्वॉल्यूशन कर्नेल्स के केंद्रीय स्केलेटन भागों को मजबूत करने की क्षमता के लिए श्रेय देते हैं।
डिंग एट अल। (मंगलवार,) ने इस प्रश्न का अध्ययन किया।