Basierend auf dem, was ich gelernt habe, verwenden wir mehrere Filter in einer Conv-Schicht eines CNN, um verschiedene Feature-Detektoren zu lernen. Aber da diese Filter ähnlich angewendet werden (dh verschoben und mit Regionen der Eingabe multipliziert werden), würden sie dann nicht einfach während des Trainings dieselben Parameter lernen? Daher wäre die Verwendung mehrerer Filter redundant?
Ich hatte die gleiche Verwirrung beim Verständnis dieser Tatsache. Die Verwirrung entsteht bei den Anfängern, weil in der Buchexplizität nicht erwähnt wird, dass Filter unterschiedlich sind.
da diese Filter ähnlich angewendet werden
Filter werden ähnlich angewendet, aber der Wert der Zelle in der Matrix unterscheidet sich voneinander. Sie extrahieren also verschiedene Merkmale aus dem Bild.
Würden sie nicht einfach während des Trainings die gleichen Parameter lernen?
Nein, sie lernen nicht denselben Parameter, da die Filter jetzt unterschiedlich sind. Die Verwendung mehrerer Filter ist also nicht redundant.
Ich habe die Antwort auf diese Frage gefunden: https://www.quora.com/Why-does-each-filter-learn-different-features-in-a-convolutional-neural-network
Hier heißt es: "... (Optimierungs-) Algorithmus stellt fest, dass der Verlust nicht abnimmt, wenn zwei Filter ähnliche Gewichte und Vorspannungen haben, so dass er schließlich eines der Filter (Gewichte und Vorspannungen) ändert, um den Verlust dadurch zu verringern eine neue Funktion lernen. "
Danke für die Antworten. Bin dankbar :)
quelle