平移等变|不变性(translation invariant)
(局部)平移不变性是一个很有用的性质,尤其是当我们关心某个特征是否出现而不关心它出现的具体位置时。
参数共享(和池化)使卷积神经网络具有一定的平移不变性。这就意味着即使图像经历了一个小的平移,依然会产生相同的特征。例如,分类一个 MNIST 数据集的数字,对它进行任意方向的平移(不是旋转),无论最终的位置在哪里,都能正确分类。
池化操作也能够帮助加强网络的平移不变性
(局部)平移不变性是一个很有用的性质,尤其是当我们关心某个特征是否出现而不关心它出现的具体位置时。
参数共享(和池化)使卷积神经网络具有一定的平移不变性。这就意味着即使图像经历了一个小的平移,依然会产生相同的特征。例如,分类一个 MNIST 数据集的数字,对它进行任意方向的平移(不是旋转),无论最终的位置在哪里,都能正确分类。
池化操作也能够帮助加强网络的平移不变性