1. 防止过拟合
为什么会过拟合? 数据太少,模型太复杂
数据增强
早停
dropout
BN
L1 L2正则化
简化模型
2. 膨胀卷积(又叫:空洞卷积)
为什么要使用膨胀卷积:
潜在问题:
1、gridding effect 在感受野区域的采样值不连续
改进:
对比
膨胀卷积(Dilated convolution)详解_哔哩哔哩_bilibili
3. 转置卷积(又叫:反卷积)
重点:
1、构建卷积核的等效矩阵(大小和特征图一样)
2、矩阵乘法
已知矩阵O C 可否还原回 矩阵I
也就是说 矩阵是否可逆?
左右两侧同时乘以C的逆矩阵? 不可行
一个矩阵存在逆矩阵,那这个矩阵必须为方阵,而C不是方阵,也就是说卷积不可逆,
放宽条件:只得到与I相同大小的矩阵,是否可以得到? 当然可以,左右两侧同时乘以C的转置
很明显:P和I 不相等, 所以验证 转置卷积不是卷积的逆运算