Invarians Terjemahan dalam Max-Pooling dan Cascading Dengan Lapisan Konvolusi

1. Adakah invarians terjemahan max-pooling?
2. Adakah terjemahan lapisan konvolusi tidak sah?
3. Bagaimana pencerobohan dalam terjemahan dicapai di CNN?
4. Apa itu Invariance Terjemahan Bagaimana CNN dapat memberikan invarians terjemahan?

Adakah invarians terjemahan max-pooling?

Rupa-rupanya, salah satu kelebihan max-pooling adalah invariance terjemahan: ia menyediakan satu bentuk terjemahan invariance. Bayangkan melambangkan lapisan maksimum dengan lapisan konvensional. Terdapat 8 arah di mana seseorang dapat menerjemahkan imej input dengan piksel tunggal.

Adakah terjemahan lapisan konvolusi tidak sah?

Rangkaian saraf konvolusi tidak invarian untuk terjemahan, tetapi mereka boleh belajar. Apabila melihat objek baru, manusia dapat mengenalinya dengan segera di lokasi retina yang berbeza: Perwakilan objek dalaman adalah invarian untuk terjemahan.

Bagaimana pencerobohan dalam terjemahan dicapai di CNN?

Biasanya dipercayai bahawa rangkaian saraf konvolusi (CNNs) adalah arsitektur yang tidak bersuara untuk terjemahan terima kasih kepada konvolusi dan/atau operasi penyatuan yang mereka dikurniakan. Malah, beberapa karya telah mendapati bahawa rangkaian ini secara sistematik gagal mengenali objek baru di lokasi yang tidak terlatih.

Apa itu Invariance Terjemahan Bagaimana CNN dapat memberikan invarians terjemahan?

Invariance Translation menjadikan CNN Invariant untuk Terjemahan. Invariance to Translation bermaksud bahawa jika kita menerjemahkan input CNN masih dapat mengesan kelas yang dimiliki oleh input. Invarians Translasi adalah hasil operasi penyatuan.