論文の概要: Position, Padding and Predictions: A Deeper Look at Position Information
in CNNs
- arxiv url: http://arxiv.org/abs/2101.12322v1
- Date: Thu, 28 Jan 2021 23:40:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-02 02:46:38.534129
- Title: Position, Padding and Predictions: A Deeper Look at Position Information
in CNNs
- Title(参考訳): 位置、パディング、予測:CNNにおける位置情報のより深い考察
- Authors: Md Amirul Islam, Matthew Kowal, Sen Jia, Konstantinos G. Derpanis, and
Neil D. B. Bruce
- Abstract要約: 一般に使われているCNNでは、絶対位置情報の驚くほどの情報が符号化されていることを示す。
ゼロパディングはCNNに内部表現の位置情報を符号化させるが、パディングの欠如は位置符号化を妨げていることを示す。
これにより、CNNにおける位置情報の役割に関するより深い疑問がもたらされる。
- 参考スコア(独自算出の注目度): 30.583407443282365
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: In contrast to fully connected networks, Convolutional Neural Networks (CNNs)
achieve efficiency by learning weights associated with local filters with a
finite spatial extent. An implication of this is that a filter may know what it
is looking at, but not where it is positioned in the image. In this paper, we
first test this hypothesis and reveal that a surprising degree of absolute
position information is encoded in commonly used CNNs. We show that zero
padding drives CNNs to encode position information in their internal
representations, while a lack of padding precludes position encoding. This
gives rise to deeper questions about the role of position information in CNNs:
(i) What boundary heuristics enable optimal position encoding for downstream
tasks?; (ii) Does position encoding affect the learning of semantic
representations?; (iii) Does position encoding always improve performance? To
provide answers, we perform the largest case study to date on the role that
padding and border heuristics play in CNNs. We design novel tasks which allow
us to quantify boundary effects as a function of the distance to the border.
Numerous semantic objectives reveal the effect of the border on semantic
representations. Finally, we demonstrate the implications of these findings on
multiple real-world tasks to show that position information can both help or
hurt performance.
- Abstract(参考訳): 完全接続されたネットワークとは対照的に、畳み込みニューラルネットワーク(cnns)は、有限の空間範囲の局所フィルタに関連する重みを学習することで効率を上げる。
この意味は、フィルタが見ているものを知っているかもしれないが、それが画像に配置されている場所ではないということです。
本稿では,まずこの仮説を検証し,一般的なCNNにおいて絶対位置情報が符号化されていることを示す。
ゼロパディングはCNNに内部表現の位置情報を符号化させるが、パディングの欠如は位置符号化を妨げていることを示す。
これはCNNにおける位置情報の役割についてのより深い質問を引き起こします。(i) 下流タスクに最適な位置エンコーディングを可能にする境界ヒューリスティックは?
; (ii) 位置エンコーディングは意味表現の学習に影響を与えるか?
; (iii) 位置エンコーディングは常にパフォーマンスを改善しますか?
そこで我々は,CNNにおけるパディングと境界ヒューリスティックスの役割について,これまでで最大規模のケーススタディを実施している。
境界までの距離の関数として境界効果を定量化できる新しいタスクを設計します。
多くの意味的目的が境界が意味表現に与える影響を明らかにしている。
最後に、これらの発見が複数の実世界のタスクに与える影響を実証し、位置情報がパフォーマンスの助けになるか、あるいは損なうかを示す。
関連論文リスト
- Random Padding Data Augmentation [23.70951896315126]
畳み込みニューラルネットワーク(CNN)は、画像内の異なる位置で同じ物体を学習する。
CNNにおける特徴情報の空間的情報の有用性はよく研究されていない。
我々はCNNを訓練するための新しいタイプのパディング手法であるランダムパディングを紹介する。
論文 参考訳(メタデータ) (2023-02-17T04:15:33Z) - Word Order Matters when you Increase Masking [70.29624135819884]
本研究では,事前学習対象自体に対する位置エンコーディングの除去効果について検討し,モデルが共起点のみの位置情報を再構成できるかどうかを検証した。
位置情報の必要性はマスキングの量とともに増大し、位置エンコーディングのないマスキング言語モデルではタスク上でこの情報を再構築できないことがわかった。
論文 参考訳(メタデータ) (2022-11-08T18:14:04Z) - What Can Be Learnt With Wide Convolutional Neural Networks? [69.55323565255631]
カーネルシステムにおける無限大の深層CNNについて検討する。
我々は,深部CNNが対象関数の空間スケールに適応していることを証明する。
我々は、別の深部CNNの出力に基づいて訓練された深部CNNの一般化誤差を計算して結論付ける。
論文 参考訳(メタデータ) (2022-08-01T17:19:32Z) - Global Pooling, More than Meets the Eye: Position Information is Encoded
Channel-Wise in CNNs [32.81128493853064]
位置情報はチャネル次元の順序に基づいて符号化されるが、意味情報はそうではない。
2つのアプリケーションに適用することで,これらの発見の現実的な影響を示す。
論文 参考訳(メタデータ) (2021-08-17T21:27:30Z) - Dense Interaction Learning for Video-based Person Re-identification [75.03200492219003]
ビデオベースの人物再ID問題に取り組むために,Dense Interaction Learning (DenseIL) というハイブリッドフレームワークを提案する。
DenseILにはCNNエンコーダとDense Interaction (DI)デコーダが含まれている。
当社の実験は、複数の標準ビデオベースの再IDデータセットにおけるすべての最先端の手法を一貫して大幅に上回ります。
論文 参考訳(メタデータ) (2021-03-16T12:22:08Z) - The Mind's Eye: Visualizing Class-Agnostic Features of CNNs [92.39082696657874]
本稿では,特定のレイヤの最も情報性の高い特徴を表現した対応する画像を作成することにより,画像の集合を視覚的に解釈する手法を提案する。
本手法では, 生成ネットワークを必要とせず, 元のモデルに変更を加えることなく, デュアルオブジェクトのアクティベーションと距離損失を利用する。
論文 参考訳(メタデータ) (2021-01-29T07:46:39Z) - Self-supervised Video Representation Learning by Uncovering
Spatio-temporal Statistics [74.6968179473212]
本稿では,自己指導型学習問題に対処する新しい前提課題を提案する。
最大運動の空間的位置や支配的な方向など,分割的・時間的統計的な要約を連続して計算する。
ビデオフレームを入力として与えられた統計的要約を得るために、ニューラルネットワークを構築して訓練する。
論文 参考訳(メタデータ) (2020-08-31T08:31:56Z) - How Can CNNs Use Image Position for Segmentation? [23.98839374194848]
最近の研究では、CNNの畳み込み層に使用されるゼロパディングが、CNNに位置情報を提供することを示している。
しかし, 実験の設計には技術的問題があるため, クレームの正確性はまだ検証されていない。
論文 参考訳(メタデータ) (2020-05-07T13:38:13Z) - On Translation Invariance in CNNs: Convolutional Layers can Exploit
Absolute Spatial Location [18.932504899552494]
CNNは、特定の絶対位置にのみ応答するフィルタを学習することで、絶対空間位置を活用できることを示す。
現代のCNNフィルタは大きな受容場を持つため、これらの境界効果は画像境界から遠く離れている。
論文 参考訳(メタデータ) (2020-03-16T08:00:06Z) - Depth Based Semantic Scene Completion with Position Importance Aware
Loss [52.06051681324545]
PALNetはセマンティックシーン補完のための新しいハイブリッドネットワークである。
詳細な深度情報を用いて,多段階から2次元特徴と3次元特徴の両方を抽出する。
オブジェクトのバウンダリやシーンの隅といった重要な詳細を復元することは有益である。
論文 参考訳(メタデータ) (2020-01-29T07:05:52Z) - How Much Position Information Do Convolutional Neural Networks Encode? [27.604154992915863]
完全に接続されたネットワークとは対照的に、畳み込みニューラルネットワーク(CNN)は、局所フィルタに関連する重みを有限の空間範囲で学習することで効率を向上する。
本稿では,この仮説を用いて,ニューラルネットワークで符号化された絶対位置情報の驚くほどの度合いを明らかにする。
論文 参考訳(メタデータ) (2020-01-22T19:44:43Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。