我在某处听说，由于它们捕捉空间关系的性质，即使是未经训练的 CNN 也可以用作特征提取器？这是真的？有没有人有这方面的资料我可以看看？
未经训练的 CNN 作为特征提取器？
人工智能
深度学习
卷积神经网络
计算机视觉
2021-11-01 16:10:45
2个回答
是的，已经证明 CNN 工作的主要因素是它的架构，它在特征提取过程中利用了局部性。具有随机权重的 CNN 将对特征空间进行随机分区，但仍然具有运行良好的空间先验，因此这些随机特征可以用于分类（有时甚至比训练好的特征更好，因为它们不会引入额外的偏见）。
您可以在这些论文中阅读更多内容：
我不确定这是否可能。未经训练的 CNN 意味着它具有随机内核值。假设您有一个大小为 3x3 的内核，如下所示：
0 0 0
0 0 0
0 0 1
我认为该内核不可能提供有关图像的良好信息。相反，内核消除了很多信息。我们不能依赖随机值进行特征提取。
但是，如果您使用带有“已分配”内核的 CNN，则无需训练卷积层。例如，您可以使用旨在提取垂直线的内核启动 CNN：
-1 2 -1
-1 2 -1
-1 2 -1
其它你可能感兴趣的问题