首页 > 其他分享 >卷积神经网络(CNN)的平移不变性和旋转不变性。

卷积神经网络(CNN)的平移不变性和旋转不变性。

时间:2022-10-28 11:31:49浏览次数:67  
标签:平移 卷积 旋转 神经网络 池化 CNN 不变性


文章目录

不变性的介绍

不变性意味着即使目标的外观发生了某种变化,但是你依然可以把它识别出来。

旋转不变性和平移不变性:

通俗的讲,我给你一张图片,你识别出来这是只狗,我将图片旋转之后再给你,你依旧可以识别出来这是只狗。这就叫做具有旋转不变性。

平移、光照、缩放、视角等不变性同理。

不变性的原理

简单来说,卷积神经网络依靠 卷积+池化达到一定程度上的不变性,因为图像经过平移或旋转后,图片上的特征也随之改变,但依旧会被扫描出来。

下图中,三个红点特征在原始图像的左下角。

卷积神经网络(CNN)的平移不变性和旋转不变性。_特征提取


当将特征改变到左上角后,依旧可以提取的到。

卷积神经网络(CNN)的平移不变性和旋转不变性。_卷积_02


在神经网络中,卷积被定义为为特征提取器,且为整张图片的特征提取器,无论特征目标在哪里出现都会被检测的到。

而池化,比如最大值池化,即使特征位置改变了,但仍在感受野中,则同样会输出最大值。


标签:平移,卷积,旋转,神经网络,池化,CNN,不变性
From: https://blog.51cto.com/u_15849381/5803924

相关文章