초록
본 논문은 전통적인 컨볼루션 신경망(CNN)의 두 가지 측면을 개선하기 위한 새로운 적응적으로 연결된 신경망(ACNet)을 제시합니다. 첫째, ACNet은 특징 노드(예: 특징 맵의 픽셀) 간의 연결 상태를 적응적으로 결정하여 내부 특징 표현을 처리하는 과정에서 전역 추론과 국소 추론을 유연하게 전환할 수 있는 방법을 사용합니다\footnote{컴퓨터 비전 분야에서는 노드가 특징 맵의 픽셀을 의미하며, 그래프 분야에서는 노드가 그래프 노드를 의미합니다.}. 우리는 기존의 CNN, 고전적인 다층 퍼셉트론(MLP), 그리고 최근 제안된 비국소 네트워크(NLN) \cite{nonlocalnn17}가 모두 ACNet의 특수한 경우임을 보일 수 있습니다. 둘째, ACNet은 비유클리디안 데이터를 처리할 수도 있습니다. ImageNet-1k 분류, COCO 2017 탐지 및 세그멘테이션, CUHK03 사람 재식별, CIFAR 분석, 그리고 Cora 문서 범주화 등 다양한 벤치마크에 대한 광범위한 실험 분석 결과, ACNet이 최신 성능을 달성할 뿐만 아니라 기존 MLP와 CNN의 한계를 극복할 수 있음을 입증하였습니다\footnote{대응 저자: Liang Lin ([email protected])}. 코드는 \url{https://github.com/wanggrun/Adaptively-Connected-Neural-Networks}에서 확인 가능합니다.