나는 오렌지와 석류를 구별하기 위해 신경망 모델을 훈련 중이다. 훈련 데이터 세트에서 개체의 배경 (주황색과 석류 모두)은 동일하고 일정합니다. 그러나 테스트하는 동안, 객체의 배경은 내가 훈련 한 것과 다릅니다.신경망 훈련을위한 좋은 접근법
그래서 처음 의심의 여지가 그것은 한 배경으로 모델을 학습하는 좋은 방법은 (회색 배경을 가정) 다른 배경와 테스트 (흰색 배경을 가정)
가있다?
둘째, 나는 다른 위치와 배경을 가진 대상을 훈련시켰다. 이론은 위치가 회선에 중요하지 않다고 말하기 때문에, 어디에서나 배치 된 대상을 인식 할 수있는 능력이 있습니다. 회피 한 후에 활성화 맵의 크기가 감소하고 깊이가 증가하기 때문입니다.
그래서 내 두 번째 의심의 여지가 모델을 훈련하는 동안은 다른 위치에있는 객체를 유지하기 위해 필요하거나 좋은 방법은
가있다? 이 한 배경으로 모델을 학습하는 좋은 방법은
위에서 설명한 ** 컨볼 루션 후 활성화 맵의 크기가 감소하고 깊이가 증가합니다. **. 이것에 대해 뭐라하니? 이 부분을 좀 더 자세히 설명하면 패딩을 ** ** ** ** **으로 보간 (convolution) 한 후 입력과 동일한 차원의 출력 활성화 맵을 얻게 될 것입니다. 그러나 최대 풀링 후, 추출 된 피쳐는 깊이 N (512라고 가정)을 가진 1x1의 활성화 맵을 갖게 될 것이고, 결국에는 그 위치를 사용하지 않을 것입니다. 이것에 대한 당신의 견해는 무엇입니까? – Akhilesh