CNN

Convolutional Neural Networks
Course: ML2022, 李宏毅

  • 影像辨識的隱藏層作用是辨認某些關鍵pattern

  • Convolutional layer特色包含Receptive Field和Parameter Sharing

  • CNN Model專為影像設計,即使Model bias較大,對影像來說可以接受

  • 概念和影像相通的任務也許也可以用CNN

  • 影像中包含許多Patterns,通常觀察Pattern只需要看局部的範圍

  • 影像中的patterns可能會重複出現在不同位置

  • 用在不同的任務(例如語音、文字辨識)需要重新設計Receptive Field和共享參數方式

  • CNN對放大、縮小、旋轉的辨識度不佳,需要另外做Data Augmentation增加database

  • Convolutional layer包含許多Filter,會將圖片過濾出重要資訊,產生Feature map

  • 經過CNN layer產生的Feature map的channel數目等於上一層Filter數目

  • CNN Network越深,Filter觀察的範圍越大

  • 每個Filter和輸入影像作Convolve等同於讓每個Neuron共享參數

  • Pooling是一種Subsampling,對偵測小細節的任務表現會較差