CNN 不变性

最新推荐文章于 2023-05-28 16:38:04 发布
最新推荐文章于 2023-05-28 16:38:04 发布
阅读量1.8k 收藏 1
点赞数
分类专栏： 随便看看
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/partypartyanimal/article/details/80991866
版权

CNN的平移不变性：由于全局共享权值和pool操作（明显的特征被保存下来，与位置没有关系？）

CNN的尺度不变性：没有或者说具有一定的不变性（尺度变化不大）

CNN的旋转不变性：基本是没有的，实验证明添加旋转样本是一种可靠的样本增强策略，能增强模型对旋转的鲁棒性（分类中很适合，多种角度都对应的是同一个目标；对于语义分割来说，x和y需要同时进行旋转，只是为了增加样本。）

PartyPartyAnimal
关注
专栏目录
让CNN有了平移不变性，同时提升ImageNet成绩：Adobe开源新方法，登上ICML
量子位
07-30 961
栗子 发自 凹非寺量子位 报道 | 公众号 QbitAI古往今来，大家都知道：只要图像一平移，CNN就认不出来了。原因就在降采样身上。不管是最大池化，跨步卷积，还是平均...
关于 CNN对图像特征的 位移、尺度、形变不变性的理解
热门推荐
voxel_grid的博客
02-07 2万+
个人认为cnn中conv层对应的是“等变性”（Equivariance），由于conv层的卷积核对于特定的特征才会有较大激活值，所以不论 上一层特征图谱（feature map）中的某一特征平移到何处，卷积核都会找到该特征并在此处呈现较大的激活值。这应该就是“等变性” 这种“等变性”是由conv层的 1局部连接 2权值共享 两个特性得到的。 所谓的“形变不变性”，应
卷积神经网络的旋转不变性理解
legend_hua的博客
08-18 1万+
卷积神经网络本身的设计对旋转不变性没有进行专门的考虑，只不过max-pooling可以稍微补偿一下这个功能，只是角度变化太大，可能会作用不大，但因为max-pooling并不是为此而设计的，所以总体上说CNN提取旋转不变的特征能力是比较弱的。 论文Group Equivariant Convolutional Networks和spherical CNNs对网络结构的旋转不变性设计进行了理论分析...
CNN 平移不变性尺度不变性 绝对位置
qq_35608277的博客
04-01 2874
CNN是否存在平移和尺度的不变性和相等性 ref https://zhuanlan.zhihu.com/p/113443895 论文：How much position information do convolutional neural networks encode? 图中一共有三组图片，每组由原图和剪切图构成。可以发现，显著区域将会因为图片中心位置的改变而改变。对中心激活强 这是一篇IC...
深度学习学习笔记——CNN中的平移不变性和尺度不变性
phily123的博客
09-01 1106
添加链接描述
(DeepLearning) CNN平移不变性的研究? 如何避免?
Bryce1010's Blog
04-14 1303
CNN不具有平移不变性?为什么? 这一部分主要参考18年的一篇论文1, 论文中经过实验, 阐述了CNN不具有平移不变性, 图形经过细微的平移, 旋转, 像素点更改, 会使得结果发生巨大的改变. 在上图中, 作者分别做了平移, 缩放, 视频时间不同的实验, 发现任一修改都会使得最后的分类结果发生很大的变化. 那么为什么会发生这种现象呢? 我们都知道, CNN的卷积操作本来带有平移不变形的属性, ...
CNNs-Without-Borders:CVPR 2020论文“关于CNN的翻译不变性”的官方资料库
03-08
关于CNN中的平移不变性：卷积层可以利用绝对空间位置 在。 和 。 您可以在我们的博客中找到本文和的详细说明。 该存储库包含本文的实验。 目录 ，带有实验 进行 和 具有 入门 为了清楚起见，我们将每个实验放在...
卷积网络的平移不变性
niguodehaoma_的博客
03-17 6297
卷积网络的平移不变性
基于1D-CNN model 的回归预测.zip
最新发布
04-07
CNN的核心设计理念源于对生物视觉系统的模拟，尤其是大脑皮层中视觉信息处理的方式，其主要特点包括局部感知、权重共享、多层级抽象以及空间不变性。以下是CNN技术的详细介绍： ### **1. 局部感知与卷积操作** **...
关于CNN中的不变性
qq_43257640的博客
04-15 972
不变性包括三种 平移不变性 旋转不变性 尺度不变性 所谓不变性即图像目标经过平移/旋转/尺度变化后是否还能取得相似的检测结果。 之前很流行的说法是CNN同时具有三种不变性，然而有论文证明并非这样（论文就不贴了，那篇论文我也没看过，只看了标题，嘻嘻）。 目前比较令人信服的说法是： CNN具有平移不变性。这是由卷积核滑动操作决定的天然属性。 CNN中的池化层具有一定程度的旋转不变性和尺度不变性。...
cnn不变性的理解
Yonggie的博客
03-02 3417
一般来说，大家认为的cnn的不变性有这几个： 平移不变，意思是一只猫头不管在图片的那个位置，cnn都能捕捉到猫头。 尺度不变，意思是不管图片是大是小，cnn都能正确识别/捕捉。 旋转不变，意思是不管图片如何旋转，cnn都能正确识别/捕捉此同一个东西。 更多的讨论是这三种不变的条件： 平移不变 平移不变是cnn本身天生就有的，拿此的参考图举个例子： 上图是cnn本身的特性，能够平移不变的捕捉局部特征。 另外一个表现就是pooling操作，其他博客都喜欢拿max或者min pooling举例子，
cnn不变性讨论
lily1234567的博客
11-03 1477
大致结果就是cnn具有位移不变性，但是完全不具有旋转不变性； 或者说想要网络学习旋转不变性没有直接旋转扩充样本来的实际。 位移不变性到底是那个层起到的作用也存在不同的意见，有的认为是pool，有的认为是卷积或者FC。 https://blog.csdn.net/xiaojiajia007/article/details/78396319 https://blog.csdn.net/baid...
卷积神经网络（CNN）的平移不变性和旋转不变性。
深度不学习！！的博客
01-19 8179
文章目录不变性的介绍不变性的原理 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。 当将特征改变
CNN对位移、尺度和旋转不变性的讨论
weixin_30687587的博客
07-03 1040
CNN得益于全局共享权值和pool操作，具有平移不变性。 对于尺度不变性，是没有或者说具有一定的不变性（尺度变化不大），实验中小目标的检测是难点，需要采用FPN或者其他的方式单独处理。 对于旋转不变性，是基本没有的，实验证明添加旋转样本是一种可靠的样本增强策略，能增强模型对旋转的鲁棒性。 转载于:https://www.cnblogs.com/dingz/p/9259298.html...
CNN网络中的不变性理解
adong1976的博客
03-23 296
神经网络中的不变性 原文：https://blog.csdn.net/voxel_grid/article/details/79275637 　　个人认为cnn中conv层对应的是“等变性”（Equivariance），由于conv层的卷积核对于特定的特征才会有较大激活值，所以不论 上一层特征图谱（feature map）中的某一特征...
了解CV和RoboMaster视觉组（五）CNN没有不变性？
HNU跃鹿战队的博客
05-22 1190
卷积神经网络CNN是否能提取到具有旋转/平移/颜色/亮度/对比度/尺度不变的特征？本文为你揭开答案的冰山一角。
CNN当中的视角不变性和旋转不变性是什么意思
weixin_47151388的博客
05-28 1308
CNN当中的视角不变性和旋转不变性是什么意思，以及两者的区别
CNN的典型特性
林学森的技术专栏
04-24 2630
以下文章摘录自： 《机器学习观止——核心原理与实践》 京东：https://item.jd.com/13166960.html 当当：http://product.dangdang.com/29218274.html (由于博客系统问题，部分公式、图片和格式有可能存在显示问题，请参阅原书了解详情) 1.1CNN的典型特性 除了前面小节所阐述的典型特征以外，我们还应该关心卷积神经网络的如下特征，以保证模型的鲁棒性： l位移不变性 l尺寸不变性 l旋转不变性...
CNN详解：从结构原理到局部不变性特征
CNN的设计灵感来源于生物视觉系统的感受野机制，解决了全连接神经网络在处理图像时面临的参数过多和局部不变性特征提取的挑战。 卷积神经网络（CNN）是一种特殊的深度前馈神经网络，其主要特点是局部连接和权重共享...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值