- Apa itu langkah dan padding di CNN?
- Bagaimana pengekstrakan ciri dilakukan di CNN?
- Mengapa kita menggunakan padding di CNN?
- Bagaimana Convolution berfungsi di CNN?
Apa itu langkah dan padding di CNN?
Stride menandakan berapa banyak langkah yang kita bergerak dalam setiap langkah dalam konvolusi.Secara lalai ia adalah satu. Convolution dengan Stride 1. Kita dapat melihat bahawa saiz output lebih kecil input. Untuk mengekalkan dimensi output seperti dalam input, kami menggunakan padding. Padding adalah proses menambahkan sifar ke matriks input secara simetri ...
Bagaimana pengekstrakan ciri dilakukan di CNN?
Lapisan output CNN biasanya menggunakan rangkaian saraf untuk klasifikasi multiclass. CNN menggunakan pengekstrakan ciri dalam proses latihan dan bukannya melaksanakannya secara manual. Pengekstrak ciri CNN terdiri daripada jenis khas rangkaian saraf yang menentukan berat melalui proses latihan.
Mengapa kita menggunakan padding di CNN?
Padding hanyalah proses menambahkan lapisan sifar ke imej input kami untuk mengelakkan masalah yang disebutkan di atas. Ini menghalang mengecut sebagai, jika p = bilangan lapisan sifar ditambah ke sempadan imej, maka imej (n x n) kami menjadi (n + 2p) x (n + 2p) imej selepas padding.
Bagaimana Convolution berfungsi di CNN?
Convolution adalah operasi matematik yang membolehkan penggabungan dua set maklumat. Dalam kes CNN, convolution digunakan untuk data input untuk menapis maklumat dan menghasilkan peta ciri. Penapis ini juga dipanggil kernel, atau pengesan ciri, dan dimensinya boleh, sebagai contoh, 3x3.