DNNにおいてmapとfilter係数セットの対応関係について

以下はこれまでの理解です。
DNNにおいてmapの生成とfilter係数セットの対応関係について
ある入力画像(or map)Xに対して同一filter係数のセット(3×3)：
F1=
w1,w2,w3
w4,w5,w6
w7,w8,w9
で新たに一つのmap1を生成します。

上記Xに対して別のfilter係数のセット(3×3)：
F2=
w10,w11,w12
w13,w14,w15
w16,w17,w18
で新たにもう一つのmap2を生成します。

まず、上記理解が正しいかどうかを確認させていただきたいと思います。

それから
同一mapを生成するために、F1とF2を同時に使う事は絶対ないでしょうか。
そして、同一filterセットF1で二つ以上のmapを生成する事もないという事ですね。

【あくまで原理上または計算式上の話しで、本来異なるfilter係数セットだが、
訓練結果がたまたま同じになるのは論外】

##どうぞ宜しくお願い致します

wakame

2018/06/25 12:11

DNNではなくCNNの話ですか？あとmapとはなんでしょう、MNISTのような(1, 28, 28)のことを言っている？

leilei

2018/07/08 04:40

御免なさい。CNNですね。mapとはCNNのfiltering中間結果です。

行動規範の内容に同意します

回答3件

むー、基本的な(?)問題。。。。初心者としての判断ですけれども。

一つのfilterというのは**『一組のNNのweightセット』**で、
このセットで同一画像の異なるpixel(or 同一NNの中間結果(map)の異なるpoint)に当てて局所的に加重和を取ります。
同一weightセットなので、weight更新能率が上がるかな？？？
それは理由の一つだと考えられます！
同一画面に異なる場所に異なるfilterにすれば、場所によって処理が固定されてしまいますね。
画像内容が変動的なので、特定の場所に特定のfiltlerに適用するのは可笑しいです。
従って、同じ位置に複数filter掛けて複数のmapが生成されます。

じゃー、同一mapを生成するために、異なるfilterをかけ、さらに異なるfilterで複数mapを生成するのはどうでしょうーーーー原理的にまずいと思いませんが、やはり、更新すべきweightの数がデカ過ぎでしょう。

##なので、一枚のmapは必ず同一weightセットによって生成され、違うweightセットで処理しようとしたら、違うmapを生成します。
だから、一つの層は通常沢山枚数のmapを生成します。　
因みに、『枚数』の事をchannelと呼びます。

投稿2018/07/13 00:29

編集2018/07/13 00:32