Convolution 1D dans les réseaux de neurones

9

Je comprends comment fonctionne la convolution mais je ne comprends pas comment les convolutions 1D sont appliquées aux données 2D.

Convolution 2D

Dans cet exemple, vous pouvez voir une convolution 2D dans une donnée 2D. Mais comment serait-il si c'était une convolution 1D? Juste un noyau 1D glissant de la même manière? Et si la foulée était de 2?

Je vous remercie!

Gustavo
la source
1
Regardez simplement la première ligne de chaque matrice.
Piotr Migdal
Pouvez-vous me donner un exemple?
Gustavo
Les convolutions 1d ne seraient pas vraiment utiles pour une image 2d stricte. Les images non en niveaux de gris sont techniquement 3D car elles ont trois canaux de couleur.
Ethan
1
@Gustavo Comme celui-ci: toto-share.com/wp-content/uploads/2011/11/… Sauf si vous parlez de convolution 1x1 (au sens de réseaux de neurones), ce qui est différent.
Piotr Migdal
Mon problème est avec des convolutions comme: d3kbpzbmcynnmx.cloudfront.net/wp-content/uploads/2015/11/… Il y a deux convolutions, une avec la taille du noyau 3 et l'autre avec la taille 2 ... Mais ces noyaux sont 1D ou taille xk ?
Gustavo

Réponses:

1

Les convolutions 1D sont utilisées dans les réseaux convolutifs pour l'échantillonnage vers le bas et l'échantillonnage vers le haut dans la dimension du filtre. Les réseaux convolutionnels construisent ces cartes de filtrage au fur et à mesure que vous parcourez le réseau, vous pouvez vraiment les considérer comme une 3ème dimension. Le cas de base habituel de la dimension de la carte de filtre est une taille de 3, car nous aurons souvent des images RVB passant par notre réseau.

Ces convolutions 1D peuvent être utiles pour sous-échantillonner, effectuer certaines opérations, puis remonter dans la même dimension. Ceci est très utile pour des raisons de performances.

Pour vraiment comprendre intuitivement, je suggère de lire:

Réseau en réseau - http://arxiv.org/abs/1312.4400

Approfondir les convolutions - https://www.google.com/url?sa=t&source=web&rct=j&url=http://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf&ved=0ahUKEwi89oeuxqnLAhXhuIMKHZrTCe0QFggMAF rrECNQ72wI3PH1Qw & sig2 = VhjfaMvuskNIDVKhFfNiqQ

Ethan
la source
4
Il semble que vous parliez de convolutions 1x1 (au sens de réseaux de neurones) plutôt que de convolutions 1D.
Piotr Migdal
Bon, j'ai supposé que les réseaux de neurones étaient impliqués. Je suis tombé sur un lien vers cette question sur / r / MLQuestions sur reddit, donc j'ai supposé que c'était lié à ML. Mais pour une simple convolution, ce n'est pas aussi pertinent: P.
Ethan