Las convoluciones son siempre canales cruzados. Quizás quiso decir “agrupación de canales cruzados” (por ejemplo, realizada en redes maxout).
EDITAR 25/04/2018: Siento la necesidad de aclarar esta respuesta. Una capa convolucional estándar de un ConvNet se realiza “canales cruzados”, lo que significa que cada mapa de características de salida es una función de todos los mapas de características en la capa anterior. Algunas capas convolucionales elegantes usan la llamada “convolución separable”: cada mapa está enredado individualmente con un núcleo 2D; entonces N mapas en la entrada, N mapas en la salida (convolución 1 a 1). Pero esta operación es solo el primer paso de la capa elegante. De hecho, la convolución separable generalmente es seguida por un clásico Conv. capa para recombinar las características calculadas por convolución separable.
Ver por ejemplo la arquitectura Xception.
- ¿Hay orden entre las características de las incrustaciones de palabras?
- ¿Qué excelente proyecto universitario podemos construir usando Machine Learning para obtener una gran exposición?
- Con el desarrollo de marcos informáticos escalables como TensorFlow y Spark, ¿seguirán siendo relevantes los marcos de una sola máquina? NumPy podría ser solo API.
- ¿Cuáles son los fundamentos programáticos del procesamiento del lenguaje natural?
- ¿Cuál es la mejor tarea para las redes neuronales en 2017 y tal vez para los próximos 5 años?
