让CNN有了平移不变性，同时提升ImageNet成绩：Adobe开源新方法，登上ICML

栗子 发自 凹非寺 
量子位 报道 | 公众号 QbitAI

古往今来，大家都知道：只要图像一平移，CNN就认不出来了。

原因就在降采样身上。不管是最大池化，跨步卷积，还是平均池化，都对平移太敏感：

比如，0、0、1、1、0、0、1、1……这样的周期，最大池化是这样：

但如果平移一格，最大池化完全变了一个样子：

虽然，有著名的抗锯齿 (Anti-Aliasing，AA) 方法，致力解决这个问题。但把这种模块直接插进网络，会严重影响模型的表现。

现在，来自Adobe的Richard Zhang (简称“理查”) ，让抗锯齿和各种降采样和平共处了。

在保留平移不变性的情况下，还能提升ImageNet上的分类准确率。VGG、ResNet、DenseNet……各种架构都适用。

不止如此， 面对其他干扰更稳定了，如旋转如缩放；面对输入图像的损坏，还更鲁棒了。