畳み込みニューラルネットワークに関しては、通常、さまざまな戦略を推薦する多くの論文があります。私は、畳み込みの前に画像にパディングを追加することが絶対必要であると言う人がいると聞いています。そうでなければ多くの空間情報が失われます。一方、彼らは画像のサイズを縮小するために、通常は最大プールするプールを使用して満足しています。私はここでは、最大プールは空間情報を減少させるだけでなく、相対位置に対する感度も低下させるという考えがあると考えているので、それはトレードオフですか?最大プール対ゼロ埋め込み:空間情報を失う
私は、ゼロパディングがより多くの情報を保持しているとは言えませんが、もっと空のデータがあります。これは、ゼロを追加すると、情報の一部が欠落しているとカーネルから反応が得られないためです。
カーネルの小さな領域に中心があるエッジの「スクラップ値」とアクティブ化のソースがある大きなカーネルがある場合、ゼロパディングが機能すると思いますか?
パディングを使用しないプーリング・コントラを使用したダウン・サンプリングの影響に関するいくつかの論文を読んでいただければ幸いです。良いアドバイスや考え?
図:パディングを追加する畳み込みコントラプーリング(Researchgate)
私は機械学習の理論(プログラミングではない)の質問であるため、この質問を議論の対象外としているので、http://datascience.stackexchange.comまたはhttp://stats.stackexchangeに属している可能性があります。 com。 – mtrw