computer-vision - 为什么在 CNN 中进行图像识别任务时，总是选择非常本地化的过滤器？

Question

在 CNN 中，滤波器通常在空间上设置为 3x3、5x5。尺寸可以与图像尺寸相媲美吗？一个原因是为了减少要学习的参数数量。除此之外，还有其他关键原因吗？例如，人们想先检测边缘？

Answer 1

你回答了问题的一点。另一个原因是这些有用的特征中的大多数可能在图像中的多个位置找到。因此，在整个图像上滑动单个内核以希望使用相同的内核在图像的不同部分中提取该特征是有意义的。如果您使用的是大内核，则这些功能可能是交错的，无法具体检测到。

除了你自己的答案，降低计算成本是一个关键点。由于我们对图像中的不同像素集使用相同的内核，因此当我们对它们进行卷积时，这些像素集之间共享相同的权重。并且由于权重的数量少于全连接层，我们需要反向传播的权重更少。