Howtosignalprocessing
- Pourquoi la traduction de la convolution est-elle invariante?
- Qu'est-ce que le terme invariance translationnelle implique?
- Quel est le but de la transformation d'ondelettes continue?
- Qu'est-ce que la convolution de l'invariance de translation avec les grains savants?
Pourquoi la traduction de la convolution est-elle invariante?
On pense généralement que les réseaux de neurones convolutionnels (CNN) sont invariants architecturaux à la traduction grâce aux opérations de convolution et / ou de mise en commun dont ils sont dotés. En fait, plusieurs œuvres ont constaté que ces réseaux ne reconnaissent pas de nouveaux objets sur des emplacements non formés.
Qu'est-ce que le terme invariance translationnelle implique?
L'invariance de translation implique que, au moins dans une direction, l'objet est infini: pour tout point donné P, l'ensemble des points avec les mêmes propriétés en raison de la symétrie de translation forme l'ensemble discret infini p + na | n ∈ Z = p + z a.
Quel est le but de la transformation d'ondelettes continue?
La transformée en ondelettes continues (CWT) a joué un rôle clé dans l'analyse des informations de fréquence temporelle dans de nombreux domaines différents de la science et de l'ingénierie. Il s'appuie sur la transformée de Fourier à court terme classique mais permet une résolution variable-fréquence.
Qu'est-ce que la convolution de l'invariance de translation avec les grains savants?
L'invariance de translation rend le CNN invariant à la traduction. L'invariance à la traduction signifie que si nous traduisons les entrées, le CNN sera toujours en mesure de détecter la classe à laquelle appartient l'entrée. L'invariance de translation est le résultat de l'opération de mise en commun.
