跳到正文
arXiv · 机器人与计算机视觉· Manfred M. Fischer, Joshua Pitts·· 2026-10-05精选AI 评分78

有效深度悖论:深层卷积神经网络中的拓扑结构与可训练性研究

The Effective Depth Paradox: Topology and Trainability in Deep CNNs

AI 导读

该论文对 VGG、ResNet 和 GoogLeNet 三大架构族在 CIFAR-10 数据集上的分类性能进行了受控对比研究。作者形式化了名义深度与有效深度的区别,发现 VGG 风格堆叠随有效深度增加而早期饱和,而 ResNet 和 GoogLeNet 则通过保持较低的有效深度继续受益。

推荐理由

该文通过对比 VGG、ResNet 和 GoogLeNet 在 CIFAR-10 上的表现,提出有效深度悖论,指出拓扑结构而非单纯层数决定深层 CNN 的可训练性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org