Կոնվոլյուցիոն նեյրոնային ցանցերը ( CNN-ի) կարող են օգտագործվել առանձնահատկությունները սովորելու, ինչպես նաև տվյալների դասակարգման համար պատկերի շրջանակների օգնությամբ: Կան CNN-ի բազմաթիվ տեսակներ: CNN-ի մեկ դասը խորությամբ բաժանվող կոնվոլյուցիոն նեյրոնային ցանցերն են:
Արդյո՞ք ResNet Depthwise-ը բաժանելի է:
Խորը մնացորդային նեյրոնային ցանցը (ResNet) մեծ հաջողությունների է հասել համակարգչային տեսողության հավելվածներում: … [35] հաջողությամբ կիրառել են խորքային բաժանելի կոնվուլյացիոն շերտեր համակարգչային տեսողության իմաստային հատվածավորման ոլորտում:
MobileNet-ը ունի Depthwise separable convolution:
MobileNet-ն օգտագործում է խորապես բաժանելի ոլորումներԱյն զգալիորեն նվազեցնում է պարամետրերի քանակը, երբ համեմատվում է ցանցերում նույն խորությամբ կանոնավոր պտույտներով ցանցի հետ: Սա հանգեցնում է թեթև խորը նեյրոնային ցանցերի: Խորապես բաժանելի ոլորումը կատարվում է երկու գործողությունից:
Ի՞նչ է Depthwise convolution?
Depthwise Convolution-ը կոլուլյացիայի տեսակ է, որտեղ մենք կիրառում ենք մեկ կոնվոլյուցիոն զտիչ յուրաքանչյուր մուտքային ալիքի համար Մի քանի մուտքային ալիքների վրա կատարվող սովորական 2D կոնվուլյացիայի դեպքում ֆիլտրը այնքան խորն է, որքան մուտքագրումը և թույլ է տալիս մեզ ազատորեն խառնել ալիքները՝ ելքի յուրաքանչյուր տարր ստեղծելու համար:
Արդյո՞ք որևէ կոնվուլյացիոն միջուկ տարածականորեն բաժանելի է:
Տարածականորեն բաժանելի կոնվուլցիա քայքայվում է ոլորումը երկու առանձին գործողության: Կանոնավոր կոնվուլյացիայի դեպքում, եթե մենք ունենք 3 x 3 միջուկ, ապա մենք ուղղակիորեն այն կապում ենք պատկերի հետ: Մենք կարող ենք 3 x 3 միջուկը բաժանել 3 x 1 միջուկի և 1 x 3 միջուկի:
