초록
본 논문에서는 다중 스케일 합성곱 필터 세트 간의 경쟁을 촉진하는 새로운 딥 합성곱 신경망(ConvNet) 모듈을 소개합니다. 이 새로운 모듈은 인셉션 모듈에서 영감을 받았으며, 원래 협력적 풀링 단계(다중 스케일 필터 출력의 연결로 구성됨)를 최대값 선택(maxout 활성화 유닛)으로 대체한 경쟁적 풀링을 사용합니다. 이 확장은 다음 두 가지 목표를 가지고 있습니다: 1) 다중 스케일 필터 중 최대 반응을 선택함으로써 필터 간 공조 적응(co-adaptation)을 방지하고, 동일한 모델 내에서 여러 하위 네트워크(sub-networks)를 형성할 수 있게 합니다. 이는 복잡한 학습 문제의 훈련을 용이하게 하는 것으로 알려져 있습니다; 2) maxout 유닛은 다중 스케일 필터로부터의 출력 차원을 줄입니다. 우리는 제안된 모듈을 일반적인 딥 ConvNet에 적용하여 MNIST, CIFAR-10, CIFAR-100 및 SVHN 벤치마크 데이터셋에서 기존 최고 수준의 분류 결과와 비교해 either 더 우수하거나 비슷한 성능을 보임을 입증하였습니다.