摘要

本文提出了一种新颖的自适应连接神经网络（ACNet），旨在从两个方面改进传统的卷积神经网络（CNN）。首先，ACNet采用灵活的方式在处理内部特征表示时切换全局和局部推理，通过自适应确定特征节点（例如特征图中的像素）之间的连接状态\footnote{在计算机视觉领域，节点指的是特征图中的一个像素；而在图论领域，节点则表示图中的一个节点。}。我们证明了现有的CNN、经典的多层感知机（MLP）以及最近提出的非局部网络（NLN）\cite{nonlocalnn17}都是ACNet的特例。其次，ACNet还能够处理非欧几里得数据。广泛的实验分析（包括ImageNet-1k分类、COCO 2017检测和分割、CUHK03行人重识别、CIFAR分析以及Cora文档分类等多个基准测试）表明，ACNet不仅能够实现最先进的性能，还能克服传统MLP和CNN的局限性\footnote{通讯作者：林亮（linliang@ieee.org）}。代码可在\url{https://github.com/wanggrun/Adaptively-Connected-Neural-Networks}获取。