文章目錄

• 不變性定義
• 不變性分類
• 為什么卷積神經(jīng)網(wǎng)絡(luò)具有平移不變性

不變性定義

意味著即使目標(biāo)的外觀發(fā)生了某種變化，但是你依然可以把它識別出來。這對圖像分類來說是一種很好的特性，因為我們希望圖像中目標(biāo)無論是被平移，被旋轉(zhuǎn)，還是被縮放，甚至是不同的光照條件、視角，都可以被成功地識別出來。

不變性分類

• 平移不變性：Translation Invariance
• 旋轉(zhuǎn)/視角不變性：Ratation/Viewpoint Invariance
• 尺度不變性：Size Invariance
• 光照不變性：Illumination Invariance

為什么卷積神經(jīng)網(wǎng)絡(luò)具有平移不變性

簡單地說，卷積+最大池化約等于平移不變性。

卷積：簡單地說，圖像經(jīng)過平移，相應(yīng)的特征圖上的表達(dá)也是平移的。下圖只是一個為了說明這個問題的例子。輸入圖像的左下角有一個人臉，經(jīng)過卷積，人臉的特征（眼睛，鼻子）也位于特征圖的左下角。

假如人臉特征在圖像的左上角，那么卷積后對應(yīng)的特征也在特征圖的左上角。

在神經(jīng)網(wǎng)絡(luò)中，卷積被定義為不同位置的特征檢測器，也就意味著，無論目標(biāo)出現(xiàn)在圖像中的哪個位置，它都會檢測到同樣的這些特征，輸出同樣的響應(yīng)。比如人臉被移動到了圖像左下角，卷積核直到移動到左下角的位置才會檢測到它的特征。

池化：比如最大池化，它返回感受野中的最大值，如果最大值被移動了，但是仍然在這個感受野中，那么池化層也仍然會輸出相同的最大值。這就有點(diǎn)平移不變的意思了。

所以這兩種操作共同提供了一些平移不變性，即使圖像被平移，卷積保證仍然能檢測到它的特征，池化則盡可能地保持一致的表達(dá)。

參考文章1：卷積神經(jīng)網(wǎng)絡(luò)為什么具有平移不變性？

參考文章2：深度學(xué)習(xí)基礎(chǔ)–卷積神經(jīng)網(wǎng)絡(luò)的不變性

與50位技術(shù)專家面對面20年技術(shù)見證，附贈技術(shù)全景圖

總結(jié)

以上是生活随笔為你收集整理的深度学习中不变性是什么？平移不变性Translation Invariance、旋转/视角不变性Ratation/Viewpoint Invariance、尺度不变性Size、Illumination的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。