卷积深度网络中节点特异性依赖于感受野位置与大小
计算机视觉与模式识别
2015-11-24 v1
摘要
在卷积深度神经网络中，感受野 (RF) 大小随层级深度增加而增大。当 RF 大小接近输入图像的完全覆盖时，由于 RF 部分超出输入空间，不同的 RF 位置导致具有不同特异性的 RF。这导致偏离卷积的位置不变性概念，并开启了复杂形式上下文特异性的可能。
引用
@article{arxiv.1511.07347,
title = {Node Specificity in Convolutional Deep Nets Depends on Receptive Field Position and Size},
author = {Karl Zipser},
journal= {arXiv preprint arXiv:1511.07347},
year = {2015}
}