CNN里的空间不变性，空间信息

本文主要是介绍CNN里的空间不变性，空间信息，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

卷积神经网络里的空间信息是什么意思，为什么都说CNN提取越深的层，得到的语义信息越丰富，空间信息却越贫乏？

首先我们要知道什么是语义信息，什么是空间信息

00100
01100
00100
00100

我们假设这是一幅图片，上面的每个数字是一个像素，我们是不是能看出来这张图片的要表达的是一个'1' 呢

我们人用肉眼去观察图片，我们能判断出这是一只猫，或者是一只狗，一个人。

这样的判断行为对于计算机来说就是语义信息，而上面像素的排列组合方式就是空间信息，它可以像上面这么排，也可以像001100011100001100001100 这样排。

为什么说层越深，语义信息越丰富。计算机面对一张图片，是不知道这是什么东西的，卷积核通常来说就是滤波器，经过不断的卷积，用各种各样的卷积核，我们才可以提取出“眼睛”“耳朵”“手”，并且将它们组合在一起，我们才能判断出这是个人还是狗。

为什么说层越深，空间信息越贫乏。在卷积的过程中，特征图是不断变小的（如果不加padding），或者还有池化的操作，经过一系列操作之后我们提取出来的特征已经找不到它原来在图片中对应的位置了

为什么说CNN具有空间不变性。空间不变性就是对位置信息不敏感，比如一张图片有一只狗，这只狗站在图片的左上方或者右下方都不妨碍这张图片有一只狗，无论这只狗的位置在哪，最后都能被CNN提取出来。

如果理解有误，还请在评论指正我，谢谢

 

 

参考： https://cs.stackexchange.com/questions/96672/what-is-the-spatial-information-in-convolutional-neural-network

 

这篇关于CNN里的空间不变性，空间信息的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---