Puedes ver la secta. 3.1 o Figura 2 en el siguiente documento para más detalles:
[1411.4038] Redes totalmente convolucionales para la segmentación semántica
Pero en resumen, puede pensar en una neurona FC como un filtro convolucional cuyo campo receptivo comprende toda la imagen de entrada, ¡porque una neurona FC produce exactamente un número! Entonces, uno podría pensar en las neuronas de la capa N FC como N “filtros convolucionales” cuyos mapas de activación son de tamaño 1 × 1. Por lo tanto, AlexNet, que toma un parche de imagen de 227x227x3, y produce un mapa de activación 1x1xN desde su primera capa FC, se puede aplicar a una imagen grande (como 640x480x3) para obtener un mapa de activación (mayor que 1 × 1, efectivamente al aplicar cada ¡Neurona FC en forma de ventana deslizante al igual que se aplican filtros convolucionales) de la capa FC para cada neurona!
- En reconocimiento facial, ¿son las huellas faciales y los vectores de características lo mismo? Si no, ¿en qué se diferencian?
- Cómo usar big integer en C ++
- ¿Cuál es la posibilidad de que un humano gane el juego de entropía?
- ¿Podría una red neuronal aproximarse a un sistema de ecuaciones diferenciales ordinarias y parciales?
- ¿Cuáles son algunos ejemplos de código de modelos de aprendizaje automático humanos en el circuito? Me ha resultado difícil encontrar tutoriales / documentos que discutan este tema.