康奈尔大学研究员提出利用归一化信息, 提取图像特征中结构性信息的新方法

作者是来自将门机器学习社群，康奈尔大学的Cornell SE(3) and Machine Learning Group，这次要介绍的是他们发表在NeurIPS 2019的工作——位置归一化。论文链接：https://papers.nips.cc/paper/8440-positional-normalization.pdfGithub：https://github.com/Boyiliee/PONO这项工作主要集中于发现对位置归一化提取信息的含义及如何在生成网络中高效利用这层信息。以往的研究大多都是认为对特征进行归一化之后可以加速网络训练和提高网络准确率，却忽视了其实被normalize的信息含有特征中重要的统计值，如果有效应用，可以对生成网络乃至分类网络产生关键性有利的影响。目前已被应用于生成网络（GAN，图像去雾等），语义分割，图像分类等应用当中。随着生成模型在计算机视觉中的普遍应用，在图像风格 ………………………………