초록
우리는 대칭성을 활용하여 샘플 복잡도를 줄이는 컨볼루션 신경망의 자연스러운 일반화인 그룹 등변 컨볼루션 신경망 (G-CNNs)을 소개합니다. G-CNNs는 G-컨볼루션이라는 새로운 유형의 레이어를 사용하며, 이 레이어는 일반 컨볼루션 레이어보다 훨씬 더 많은 가중치 공유를 제공합니다. G-컨볼루션은 매개변수 수를 증가시키지 않으면서 네트워크의 표현 능력을 향상시킵니다. 그룹 컨볼루션 레이어는 사용하기 쉽고, 평행 이동, 반사 및 회전으로 생성된 이산 그룹에 대해 미미한 계산 부하로 구현할 수 있습니다. G-CNNs는 CIFAR10 및 회전된 MNIST에서 최신 결과를 달성하였습니다.