CNN 中的池化层如何将不变性引入除平移之外的其他变换

数据挖掘 深度学习 美国有线电视新闻网 卷积
2021-09-27 22:29:24

这是我正在尝试处理的 deeplearningbook 的引述。我不确定这句话是什么意思,有人可以帮我理解吗?

对空间区域进行池化会产生平移不变性,但如果我们对单独参数化卷积的输出进行池化,则特征可以学习哪些变换变得不变(见图 9.9)

1个回答

如果您尝试可视化卷积滤波器的功能,这将变得更加清晰。

假设您有一个从图像中提取水平线的过滤器。当过滤器提取图像中水平线的优势并在生成的矩阵中分配一个值时。现在我们有了过滤器操作后水平线的权重。在所有水平权重中,最重要的将是具有最大权重的权重,因此,我们应用池化(在本例中为 Max-pooling)并丢弃所有其他权重以仅选择具有最大影响的权重。通过这样做,过滤器仅选择具有最大权重的特征并丢弃剩余的特征。由于所需对象的重要性来自具有最大权重的线,因此变换是不变的。这也使得张量的尺寸更小,过程也变得更快。

也许,您也可以参考CS231以更好地理解解释。