Dựa trên những gì tôi đã học được, chúng tôi sử dụng nhiều bộ lọc trong Lớp Conv của CNN để tìm hiểu các trình phát hiện tính năng khác nhau. Nhưng vì các bộ lọc này được áp dụng tương tự (nghĩa là trượt và nhân với các vùng của đầu vào), liệu chúng có học được các tham số tương tự trong quá trình đào tạo không? Do đó việc sử dụng nhiều bộ lọc sẽ là dư thừa?
Câu trả lời:
Tôi đã có sự nhầm lẫn tương tự trong việc hiểu thực tế này. Sự nhầm lẫn xuất hiện cho người mới bắt đầu bởi vì cuốn sách này không đề cập đến việc các bộ lọc là khác nhau.
vì các bộ lọc này được áp dụng tương tự
Các bộ lọc được áp dụng tương tự nhưng giá trị của ô trong ma trận khác với các bộ lọc khác. Vì vậy, họ trích xuất các tính năng khác nhau từ hình ảnh.
họ sẽ không học các thông số tương tự trong quá trình đào tạo
Không, họ không học cùng một tham số vì các bộ lọc khác nhau. Vì vậy, việc sử dụng nhiều bộ lọc là không dư thừa.
Tôi đã tìm thấy câu trả lời cho câu hỏi này: https://www.quora.com/Why-does-each-filter-learn-different-features-in-a-convolutional-neural-network
Nó nói ở đây: thuật toán "... (tối ưu hóa) thấy rằng tổn thất không giảm nếu hai bộ lọc có trọng số và độ lệch tương tự nhau, do đó cuối cùng nó sẽ thay đổi một trong các bộ lọc (trọng số và độ lệch) để giảm tổn thất do đó học một tính năng mới. "
Cảm ơn bạn đã trả lời. Cảm kích điều đó :)