要約
本論文では、従来の畳み込みニューラルネットワーク（CNN）の二つの側面を改善する新しい適応的に接続されたニューラルネットワーク（ACNet）を提案します。第一に、ACNetは特徴ノード（例えば、特徴マップのピクセル）間の接続状態を適応的に決定することで、内部特徴表現の処理においてグローバル推論と局所推論を柔軟に切り替える方法を採用しています\footnote{コンピュータビジョン分野では、ノードは特徴マップのピクセルを指し、グラフ分野ではグラフノードを指す}。既存のCNN、古典的な多層パーセプトロン（MLP）、および最近提案された非局所ネットワーク（NLN）\cite{nonlocalnn17}はすべてACNetの特殊なケースであることを示すことができます。第二に、ACNetは非ユークリッドデータも扱うことができます。ImageNet-1k分類、COCO 2017検出とセグメンテーション、CUHK03人物再識別、CIFAR分析、およびCora文書分類など様々なベンチマークにおける広範な実験解析により、ACNetが最先端の性能を達成するだけでなく、従来のMLPとCNNの制限を超えることができることが示されています\footnote{対応著者：梁林（Liang Lin, [email protected]）}。コードは \url{https://github.com/wanggrun/Adaptively-Connected-Neural-Networks} から入手可能です。