【CNN】平移不变形

translation invariance或translation invariant

什么是？

不变性意味着您可以将对象识别为对象，即使它的外观以某种方式发生变化。这通常是一件好事，因为它在视觉输入细节的变化（例如查看器/相机和对象的相对位置）中保留了对象的身份、类别（等）。
下图包含同一雕像的许多视图。你（和训练有素的神经网络）可以识别出同一个对象出现在每张图片中，即使实际像素值完全不同。
请注意，这里的翻译在视觉中具有特定的含义，是从几何学中借来的。它不涉及任何类型的转换，不像从法语到英语或文件格式之间的翻译。相反，这意味着图像中的每个点/像素都在相同的方向上移动了相同的量。或者，您可以将原点视为在相反方向上移动了相等的量。例如，我们可以通过将每个像素向右移动 50 或 100 个像素来生成第一行中的第二和第三图像。可以证明卷积算子在平移方面是通勤的。如果你卷积F 和 G，是否翻译卷积输出并不重要 F* g, 或者如果你翻译 F 或者 G首先，然后对它们进行卷积。
平移不变对象识别的一种方法是获取对象的“模板”并将其与图像中对象的每个可能位置进行卷积。如果您在某个位置收到较大的响应，则表明类似于模板的对象位于该位置。这种方法通常称为模板匹配。平移不变性和平移等效性之间存在差异。平移不变性意味着系统产生完全相同的响应，无论其输入如何移动。
如果图像中的对象位于区域 A 并且通过卷积在区域 B 的输出处检测到特征，则卷积提供平移等方差含义，那么当图像中的对象被平移到 A’ 时，将检测到相同的特征。输出特征的位置也将根据滤波器内核大小转换为新区域 B’。这称为平移等变而不是平移不变性。
术语本身可能来自物理学，其中平移对称意味着方程保持不变，无论空间平移如何。

特点

平移不变性和平移等效性之间存在差异。平移不变性意味着系统产生完全相同的响应，无论其输入如何移动。
卷积层本身或输出特征图是平移等变的
最大池化层所做的是提供一些平移不变性