关于 CNN对图像特征的 位移、尺度、形变不变性的理解

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”，应该指的是，若是特征有较小的形变，那么激活值不会有太多的变化。

个人觉得没有“旋转不变性”，只能通过data argumentation这种方式（人为地对样本做 镜像、旋转、缩放等操作）让CNN自己去学习旋转不变性。

而所谓的“尺度不变性”，个人觉得应该是由类似于SSD这种对不同尺寸（分辨率）的feature map作相同的处理得到的。CNN本身并不具备尺度不变性。