模式识别等存在问题(有待完善)
1.池运算/池操作(Pooling operation)?
池运算就是一种采样策略,将低数据表示的维数。例如,矩阵数据转为向量、大矩阵采样后转换小矩阵等。
池运算是一种非线性映射。正是由于是一种采样策略,故不可避免的会损失有用信息。在行为识别中,最明显的例子就是局部运动信息,局部特征缺少详细的信息(位置),会致使邻帧运动特征捕获不到。
对于这个不足,如何用池运算?使具有判别性的特征尽量损失最少?同性特征尽量剔除?
模式识别等存在问题(有待完善)
1.池运算/池操作(Pooling operation)?
池运算就是一种采样策略,将低数据表示的维数。例如,矩阵数据转为向量、大矩阵采样后转换小矩阵等。
池运算是一种非线性映射。正是由于是一种采样策略,故不可避免的会损失有用信息。在行为识别中,最明显的例子就是局部运动信息,局部特征缺少详细的信息(位置),会致使邻帧运动特征捕获不到。
对于这个不足,如何用池运算?使具有判别性的特征尽量损失最少?同性特征尽量剔除?