用仿生边缘补全滤波器增强CNN对遮挡的鲁棒性

Enhancing CNNs robustness to occlusions with bioinspired filters for border completion

• 基于视觉皮层机制设计仿生滤波器
• 遮挡MNIST数据下准确率显著提升
• 适合关注模型抗干扰能力的研究者

我们利用视觉皮层边缘补全机制的数学建模，为卷积神经网络设计定制化滤波器。在测试被遮挡的MNIST图像时，改进后的LeNet 5表现出一致的性能提升，尤其是在准确率方面有明显改善。

原文摘要 · Abstract (English)

We exploit the mathematical modeling of the visual cortex mechanism for border completion to define custom filters for CNNs. We see a consistent improvement in performance, particularly in accuracy, when our modified LeNet 5 is tested with occluded MNIST images.

Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。