摘要
在本文中，我们介绍了一种新的深度卷积神经网络（ConvNet）模块，该模块促进了一组多尺度卷积滤波器之间的竞争。这一新模块受到了Inception模块的启发，我们将原有的协作池化阶段（由多尺度滤波器输出的串联组成）替换为由最大值激活单元（Maxout）表示的竞争池化。这一扩展具有以下两个目标：1）从多尺度滤波器中选择最大响应可以防止滤波器的协同适应，并允许在同一模型内形成多个子网络，这已被证明有助于复杂学习问题的训练；2）最大值激活单元减少了多尺度滤波器输出的维度。我们展示了在典型的深度ConvNet中使用所提出的模块，在MNIST、CIFAR-10、CIFAR-100和SVHN基准数据集上产生的分类结果要么优于现有最佳水平，要么与之相当。