Depthwise Convolution-ը կոնվուլյացիայի տեսակ է, որտեղ մենք կիրառում ենք մեկ կոնվոլյուցիոն զտիչ յուրաքանչյուր մուտքային ալիքի համար: Բազմաթիվ մուտքային ալիքների վրա կատարվող սովորական 2D կոնվուլյացիայի դեպքում ֆիլտրը նույնքան խորն է, որքան մուտքը և թույլ է տալիս մեզ ազատորեն խառնել ալիքները՝ ելքի յուրաքանչյուր տարր ստեղծելու համար:
Ի՞նչ է Depthwise և Pointwise ոլորումը:
Խորքային կոնվուլցիա, այսինքն՝ տարածական ոլորում, որն իրականացվում է ինքնուրույնմուտքի յուրաքանչյուր ալիքով: Կետային ոլորում, այսինքն՝ 1x1 կոնվուլցիա, որը նախագծում է ալիքների ելքը խորքային ոլորման միջոցով նոր ալիքի տարածության վրա:
Ի՞նչ է Pointwise convolution?
Կետային կոնվոլյուցիան մի տեսակ ոլորում է, որն օգտագործում է 1x1 միջուկ. միջուկ, որը կրկնում է յուրաքանչյուր կետի միջով: … Այն կարող է օգտագործվել խորքային ոլորումների հետ համատեղ՝ արտադրելու արդյունավետ դասի ոլորումներ, որոնք հայտնի են որպես խորքային ոլորումներ:
Հետևյալ ցանցերից ո՞րն ունի Depthwise բաժանելի ոլորում:
Խոր մնացորդային նեյրոնային ցանցը (ResNet)-ը մեծ հաջողությունների է հասել համակարգչային տեսլականի հավելվածներում: Ավելին, Chen et al. [35] հաջողությամբ կիրառել են խորապես բաժանելի կոնվուլյացիոն շերտեր համակարգչային տեսողության իմաստային հատվածավորման ոլորտում:
Ինչպե՞ս է աշխատում 3D կոնվուլյացիան:
3D կոնվուլյացիայի դեպքում 3D ֆիլտրը կարող է շարժվել բոլոր 3 ուղղություններով (բարձրությունը, լայնությունը, պատկերի ալիքը): ժամըյուրաքանչյուր դիրք, տարրի իմաստով բազմապատկումը և գումարումը տալիս են մեկ թիվ: Քանի որ ֆիլտրը սահում է 3D տարածության միջով, ելքային թվերը նույնպես դասավորված են 3D տարածության մեջ: Այնուհետև ելքը 3D տվյալ է։
