首页 > 试题广场 >

当在卷积神经网络中加入池化层(pooling layer)时

[单选题]

当在卷积神经网络中加入池化层(pooling layer)时，平移变换的不变性会被保留，是吗？ 

  • 不知道
  • 看情况
  • 是
  • 否
查看正确选项
添加回答
一丁玉坤头像 一丁玉坤
变换的不变性是啥？
发表于 2020-07-22 10:08:58 回复(0)
牛客139005909号头像 牛客139005909号
池化算法比如取最大值/取平均值等, 都是输入数据旋转后结果不变, 所以多层叠加后也有这种不变性。
发表于 2020-03-07 20:36:57 回复(0)
Mhhhaster头像 Mhhhaster
卷积和池化都具有平移不变性
发表于 2022-07-08 08:26:29 回复(0)
留饮浮生头像 留饮浮生
不变性，对于一个函数，如果对其输入施加的某种操作丝毫不会影响到输出，那么这个函数就对该变换具有不变性。
对于加入池化层，卷积神经网络具有近似不变性，如果是max池化，只要不是对最大值进行变换，其变换不会影响最后的输出矩阵。
发表于 2021-12-30 19:52:23 回复(0)
罗大成头像 罗大成

Making convolutional networks shift-invariant again，池化层的平移不变性存疑

发表于 2022-04-13 15:24:45 回复(0)
哎呦喂，贾队长头像 哎呦喂，贾队长
平移不变性可以理解为：一只狗无论在图像中如何平移，相应特征都可以被识别出来。结合卷积和池化的计算过程，保留平移不变性就不难理解了。
关联知识点-旋转不变形
发表于 2022-09-08 16:43:22 回复(0)
妄想一夜暴富的威化仔头像 妄想一夜暴富的威化仔
对于卷积而言，本质是矩阵相乘，可以看做是一种线性变换，不改变原张量中的元素的平移不变性。对于池化而言，只是进行求平均值或者求最大值，也可以看做是线性的映射，因此也不改变原张量中的元素的平移不变性。个人看法，不一定对，欢迎指正。
发表于 2023-11-09 10:33:48 回复(0)
毓毓子最可爱头像 毓毓子最可爱

参数共享机制使得卷积层具有平移等变性，池化操作能保持对平移、伸缩、旋转操作的不变性

发表于 2022-08-07 20:39:14 回复(0)
Truster♞头像 Truster♞
这不能叫保留吧，只不过增加鲁棒性而已
发表于 2020-10-20 20:08:48 回复(0)
提交观点

问题信息

深度学习
上传者：小小
难度：
9条回答 4174浏览

热门推荐

相关试题

扫一扫，把题目装进口袋

求职之前，先上牛客

扫描二维码，进入QQ群

扫描二维码，关注牛客公众号