“ การแปรเปลี่ยนแบบไม่แปรเปลี่ยน” หมายถึงอะไรในบริบทของเครือข่ายประสาทเทียมที่ทำการรับรู้ภาพ


คำตอบ:


17

ในบริบทนี้หมายถึงความจริงที่ว่าแบบจำลองไม่ได้มีความสัมพันธ์เชิงพื้นที่ระหว่างคุณลักษณะ เช่นการรับรู้หลายเลเยอร์คุณสามารถปรับเปลี่ยนพิกเซลและประสิทธิภาพจะเหมือนกัน นี่ไม่ใช่กรณีสำหรับเครือข่าย convolutional ซึ่งถือว่าเป็นความสัมพันธ์กับเพื่อนบ้าน


1
ใช่นั่นคือส่วนที่สับสน ควรมีความสัมพันธ์เชิงพื้นที่ในการจำแนกตัวเลขหรือไม่
RockTheStar

1
MNIST ใช้กันอย่างแพร่หลายเป็นเกณฑ์มาตรฐาน (หรือการตรวจสอบสติ) ในเครือข่ายประสาท หากโมเดลของคุณได้รับข้อผิดพลาด <1% จากการเปลี่ยนแปลงของ MNIST ที่ไม่แปรเปลี่ยนคุณก็กำลังทำบางสิ่ง
bayerj

1
ใช่ฉันหมายถึงไม่มีความสัมพันธ์เชิงพื้นที่ในตัวเลขเช่นกัน? หากคุณอนุญาตพิกเซลหลักมันจะเปลี่ยนลำดับพิกเซลซึ่งส่งผลต่อประสิทธิภาพ!
RockTheStar

1
เฉพาะในกรณีที่รูปแบบการสมมติ mlps ไม่ทำเช่นนั้น นั่นเป็นเหตุผลที่การเปรียบเทียบ convnet กับ mlp บน mnist นั้นค่อนข้างไม่ยุติธรรม
bayerj

1
ฉันเห็น! ดังนั้นบนชุดข้อมูล mnist mlps ทำงานได้ดีขึ้นหรือ convnet หรือไม่
RockTheStar

6

x=(x1,...,xn)xn=3

((x1,x2,x3))=((x2,x1,x3))=((x3,x1,x2))

1
คำตอบนี้เป็นความเข้าใจผิดเล็ก ๆ น้อย ๆ เพราะในเครื่องเรียนรู้อัลกอริทึมการเรียนรู้มักจะมีการเปลี่ยนแปลงอย่างต่อเนื่องในขณะที่ฟังก์ชั่นมันกลับไม่ได้
bayerj

@bayerj: นั่นเป็นข้อมูลที่น่าสนใจ แต่ฉันไม่สามารถเห็นได้ว่ามันทำให้คำจำกัดความที่ฉันให้มาทำให้เข้าใจผิดมันเป็นคำจำกัดความที่ถูกต้อง แต่อาจไม่ใช่คำตอบที่สมบูรณ์ในบริบทนี้
kjetil b halvorsen

คุณถูกต้องคำจำกัดความถูกต้อง แต่มันไม่สามารถใช้ได้ในแบบที่คุณจดไว้ ในบริบทของการเปลี่ยนแปลงที่ไม่เปลี่ยนแปลง MNIST ซึ่ง OP ได้ถามเกี่ยวกับฟังก์ชั่นของแบบฟอร์มที่คุณเขียนจะไม่เกิดขึ้น
bayerj
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.