tensorflow - 为什么卷积神经网络核大小经常选择方阵

Question

给定一个形状为 (f1, f2, height) 的过滤器，如果 f1 != f2 会产生什么影响？

Answer 1

通常选择方形过滤器只是因为没有优先选择可以在哪个方向找到图案。例如，它可以是水平线或垂直线，两者都可以是图像中的重要特征，并且网络应该捕获其中的任何一个(如果它们很重要)。换句话说，您可能希望您的网络对称。

非对称滤波器在 Inception network 中成功使用后，在过去几年变得更加流行。 。这个想法是，n x n 滤波器具有与 1 x n 和 n x 1 卷积序列相同的感受野(称为有效感受野，详情参见CS231n tutorial)，但后者需要较少的浮点运算并存储较少的参数。该架构在两个方向上仍然是对称的(可以像水平模式一样轻松地发现垂直模式)，但这一技巧使其更加高效。

这是来自Inception v2的inception模块的图片:

在较小的应用程序中，这种优化并不重要，因此没有理由采用如此复杂的架构并简单地使用 n x n 过滤器。