旋转图像识别中的CNN策略

Question

我用一些卷积核从头开始写我的CNN代码。但是当只有几个卷积核(3*3)时，我的CNN无法正确识别翻转/旋转图像。在训练期间，我的卷积核变化很小。为什么？

当有超过10个卷积核，我的CNN开始识别有斑点的图像。所以更多的内核能帮上忙。然而，它也开始产生错误的认识。

与卷积核大小相比，图像的分辨率对结果有什么影响？分辨率越高，这个拟合问题的维数就越高。

Answer 1

CNN的学习取决于网络的宽度和深度。更广和更深的网络可以学习更复杂的数据结构，包括数据增强图像。增加网络的宽度和深度，增加模型学习特征的能力。

宽度通常与功能的数量相关。网络越宽，它能够学习到的特征就越多。想象一个非常薄的网络。它只会学习与任务的高性能相关的单一特性。

深度将增加模型的容量，更好地衡量较低层次的特征.每个连续层都是前一层的组合。低层学习简单的特征，这些特征被组合在一起，在更高的层中创建复杂的特征。在人脸的情况下，下层学习不同方向的线条。更高层次的人学会把这些线条结合起来，形成眼睛和鼻子。

增加内核数量是增加网络宽度的一种方法。

增加层数(即深度)通常更有用。

Answer 2

你的CNN包含池层吗？如https://stats.stackexchange.com/a/239079中所解释的，它们用于处理不变性。