#neural-network #conv-neural-network #faster-rcnn
#нейронная сеть #conv-нейронная сеть #быстрее -rcnn
Вопрос:
Я мог бы найти, что максимальное объединение является наиболее часто используемым и предпочтительным типом, когда дело доходит до объединения, независимо от данных изображения или функций, которые мне нужно извлечь, что звучит для меня так нелепо, например, я работаю над обнаружением диабетической ретинопатии, и мне нужно извлечь некоторые микроэлементы из изображения сетчатки, чтобыпочему бы не выбрать среднее объединение или минимальное объединение
Комментарии:
1. Минимальное объединение не имеет смысла, если только вы не ищете, чтобы отсутствовала определенная функция, которая была бы такой же, как обученная функция, которую просто не активировать, поэтому в этом не было бы необходимости. Вы анализируете данные изображения или какую-то другую форму?
Ответ №1:
Максимальное объединение лучше работает для данных изображения, но, как вы уже догадались, оно не обязательно лучше работает и для аудиоданных. Среднее объединение является разумной альтернативой для аудиоданных. Однако обычно лучше попробовать оба и посмотреть, какой из них лучше подходит для вашего случая. Минимальный пул не имеет особого смысла, потому что в нейронной сети мы придаем больший вес функциям с более высокой активацией.