卷積神經網絡

Question

對卷積神經網絡的這種直觀理解是否正確： 1.卷積基本上匹配圖像的局部部分與卷積核/濾波器的相似程度如何。2.核心/濾波器就像特徵檢測器。重要的是，它是瞭解並自動更改和優化，通過SGD

Answer 1

這是對「多麼相似」veeeeeeeeeeeee粗糙的理解是真實的。如果您考慮計算點積作爲度量相似性，那麼答案是肯定的。爲什麼我個人有疑問？因爲它嚴重依賴於矢量（或矩陣）的範數。讓我們考慮像

1 1 1 
2 2 2 
1 1 1 

和內核

1 1 1 
2 2 2 
1 1 1 

我們卷積他們，並得到

1 + 1 + 1 + 2*2 + 2*2 + 2*2 + 1 + 1 + 1 = 18 

現在讓我們像

2 2 2 
2 2 2 
2 2 2 

，我們得到

2 + 2 + 2 + 2*2 + 2*2 + 2*2 + 2 + 2 + 2 = 24 

我會說第一個圖像是更多類似內核比另一個，但卷積說別的東西。因此，這不是那麼簡單，卷積只是一個基本的，線性的圖像濾波，卷積信號，將點積應用於子樣本，但稱它爲「相似搜索」有點太過分了。不過，它是一個特徵探測器，非常具體。

約迴旋，這你缺少你的描述關鍵的東西是這些探測器，事實的共享特性，你學習被應用到每一個局部圖像過濾器的一幫「點」從而實現了一種位置不變性，並大大減少了模型的參數化。