为什么特征融合是如此重要?(详细)

不变性和等变性是图像特征表示的两个重要性质。分类需要不变特征表示,因为它的目标是学习高级语义信息。目标定位要求等变表示,因为它的目的是鉴别位置和尺度的变化。由于目标检测包括目标识别和目标定位两个子任务,因此对检测器来说,同时学习不变性和等变性是至关重要的,通俗理解分类只需要了解物体特征就行,学习高级特征就足以帮助网络分类,而目标定位则需要知道物体和背景的情况,也就是部分和整体的关系,这一部分只能通过等变性实现。
特征融合是深浅网络的融合,浅网络更多的是等变性,深网络更多的是等变性,因为随着CNN网络的加深,物体会丢失部分和整体的关系,因此深层网络得到更多是高级语义特征(不变性特征),浅层网络得到是等变性特征,不变性特征用于分类,等变性特征用于目标的定位,等变性特征具有部分和整体的关系(部分:物体,整体:背景)

你可能感兴趣的:(深度学习,Python,胶囊网络,网络,人工智能,机器学习,计算机视觉,深度学习)