길쌈 신경 네트워크에 대한 직관적 인 이해가 정확합니까? 1. 컨볼 루션은 기본적으로 이미지의 로컬 부분이 길쌈 커널/필터와 얼마나 비슷한지를 나타냅니다. 커널/필터는 기능 감지기와 같습니다 . 중요한 것은 은이며, SGD를 통해 자동으로 변경되고 최적화됩니다.길쌈 신경 네트워크
0
A
답변
2
이것은 "비슷한"방법에 대한 대략적인 이해에 해당합니다. 당신이 내적 계산의 계산을 유사성을 측정하는 것으로 생각한다면 대답은 '예'입니다. 나는 왜 개인적으로 의심을 가지고 있습니까? 왜냐하면 이것은 벡터 (또는 행렬)의 표준에 크게 의존하기 때문입니다. 우리가 그들을 컨 볼브 얻을
1 1 1
2 2 2
1 1 1
이
1 + 1 + 1 + 2*2 + 2*2 + 2*2 + 1 + 1 + 1 = 18
지금 이미지를
2 2 2
2 2 2
2 2 2
을 할 수 있습니다, 우리가
,691,363을 얻을 이미지를1 1 1
2 2 2
1 1 1
와 커널을 고려할 수 있습니다210
2 + 2 + 2 + 2*2 + 2*2 + 2*2 + 2 + 2 + 2 = 24
나는 첫 번째 이미지가 다른 하나보다 커널에 더 같았다고 말할 것이다. 그러나 convolution은 다른 것을 말하고있다. 따라서 간단하지는 않습니다. 컨볼 루션은 단순히 이미지의 선형 필터링으로 신호를 컨볼 루션하고 점 샘플을 하위 샘플에 적용하지만 "유사성 검색"이라고하는 것은 너무 어렵습니다. 그러나 그것은 특징 탐지기이며 매우 특정한 것입니다.
당신이 당신의 설명에 누락 회선, 대한 중요한 것은 당신이 매에 적용되는 지역의 이미지 필터의 무리 "자리" 내용 것으로, 이러한 감지기, 사실의 공유 성격입니다 이미지의 위치 불변성과 모델의 매개 변수화를 상당히 줄입니다.
관련 문제
- 1. 길쌈 신경 네트워크 - 기능 맵을 얻는 방법?
- 2. 신경 네트워크
- 3. 길쌈 신경 네트워크에 대한 입력 데이터
- 4. 길쌈 신경 네트워크는 다층 퍼셉트론에 어떻게 연결됩니까?
- 5. SOM - 신경 네트워크
- 6. 정상 가정 신경 네트워크
- 7. XOR 자바 신경 네트워크
- 8. 최적화를위한 Hopfield 신경 네트워크
- 9. Ruby의 교육 신경 네트워크
- 10. 자기 복제 신경 네트워크
- 11. 에코 상태 신경 네트워크?
- 12. 신경 네트워크 샘플을 찾고
- 13. OCR 및 신경 네트워크?
- 14. 신경 네트워크 입력 형식
- 15. 프로토 타입 신경 네트워크
- 16. RBF 신경 네트워크
- 17. 신경 네트워크 기능
- 18. training 신경 네트워크
- 19. 인공 신경 네트워크 정상화
- 20. 길쌈 신경 네트워크 계층에서 사용할 기능 맵의 수를 결정하는 방법은 무엇입니까?
- 21. 길쌈 신경 네트워크 훈련에 사용 된 데이터 세트와 관련된 이미지인지 알 수있는 효율적인 방법
- 22. OpenCV 용 최고의 길쌈 신경 네트워크 (CNN) 라이브러리는 무엇입니까? (간단한 구현 및 예제 사용)
- 23. 길쌈 신경 네트워크에서 저손실이 가능하지만 정확도가 낮은 이유는 무엇입니까?
- 24. 어디에서 길쌈 신경 네트워크에 대한 연습을 찾을 수 있습니까?
- 25. 길쌈 신경 네트워크에서 필터를 얻거나 정의하는 방법은 무엇입니까?
- 26. Caffe 길쌈 네트워크 훈련을위한 LMDB 데이터베이스
- 27. 이미지에서 패턴 인식하기 신경 네트워크
- 28. matlab 신경 네트워크 도구 상자
- 29. 훈련 후 신경 네트워크 테스트 -
- 30. 신경 네트워크 프로그래밍을 시작하는 방법