我通常会看到在输入的所有通道上执行卷积。例如一个内核真的是一个输入的内核通道，从而导致每个滤波器有一个输出通道。
如果您要对单个通道或通道对进行卷积，每个通道使用独立的过滤器，会发生什么？我想知道当某些通道不相关时，您是否可以通过将某些层的通道分开来防止某些信息丢失？
卷积层中的通道
数据挖掘
机器学习
神经网络
美国有线电视新闻网
卷积
核心
2022-02-17 00:04:55
1个回答
您提到的技术称为“深度可分离卷积”，它依赖于空间和深度信息可以解耦的想法。它的主要优点是，与标准卷积相比，由于它不需要在所有通道上执行卷积，因此它的连接数要少得多（因此参数更少），从而产生更轻的模型。
谷歌有一种名为“Xception”（“Inception 的极端版本”）的架构，它使用这种卷积层的一个版本，并产生接近于最先进的结果。在Towards Data Science上有一篇非常好的评论。
就我个人而言，我不喜欢将渠道解耦的想法，因为我认为它让我们获得了一个不那么“复杂”的模型，但它似乎有效，所以我该判断谁？
其它你可能感兴趣的问题