আমি সম্প্রতি জোনাথন লং, ইভান শেলহামার, ট্রেভর ড্যারেলের লিখেছেন সম্পূর্ণ কনভলিউশনাল নেটওয়ার্কস ফর সেমেন্টিক সেগমেন্টেশন । "ডিকনভোলিউশনাল স্তরগুলি" কী করে / কীভাবে তারা কাজ করে তা আমি বুঝতে পারি না।
প্রাসঙ্গিক অংশটি হ'ল
3.3। আপসাম্পলিং পিছনের দিকে স্ট্রাইড কনভলিউশন
মোটা আউটপুটগুলি ঘন পিক্সেলের সাথে সংযুক্ত করার আরেকটি উপায় হ'ল আন্তঃসম্পাদন। উদাহরণস্বরূপ, সরল প্রতিটি আউটপুট a একটি লিনিয়ার মানচিত্রের দ্বারা নির্ধারণ করে যা কেবল ইনপুট এবং আউটপুট সেলগুলির আপেক্ষিক অবস্থানের উপর নির্ভর করে। এক অর্থে, ফ্যাক্টর সঙ্গে upsampling 1 / চ একটি ভগ্ন ইনপুট দীর্ঘ সঙ্গে সংবর্তন হয়। যেহেতু অবিচ্ছেদ্য, অবাস্ত্রের প্রাকৃতিক উপায় তাই পিছনের দিকের সমাবর্তন (কখনও কখনও ডিকনভোলিউশন বলা হয়) আউটপুট স্ট্রাইড সহ । এ জাতীয় ক্রিয়াকলাপ বাস্তবায়নের জন্য তুচ্ছ, কারণ এটি দৃ .়তার সাথে এগিয়ে এবং পিছনের দিকগুলিকে বিপরীত করে। f f f
এইভাবে পিক্সেলওয়াই ক্ষতি থেকে ব্যাকপ্রসারণ দ্বারা শেষ-শেষের শেখার জন্য নেটওয়ার্কে ইনসাম্পলিং সঞ্চালিত হয়।
মনে রাখবেন যে এই জাতীয় স্তরের ডিকনভোলিউশন ফিল্টারটি ঠিক করার দরকার নেই (উদাহরণস্বরূপ, বিলিনিয়ার আপসম্পলিংয়ের জন্য), তবে শিখতে পারবেন। ডিকনভোলিউশন স্তরগুলির একটি স্ট্যাক এবং অ্যাক্টিভেশন ফাংশন এমনকি একটি ননলাইনার আপসাম্পলিং শিখতে পারে।
আমাদের পরীক্ষাগুলিতে আমরা দেখতে পাই যে ঘন ভবিষ্যদ্বাণী শেখার জন্য ইন-নেটওয়ার্ক আপসাম্পলিং দ্রুত এবং কার্যকর। আমাদের সেরা সেগমেন্টেশন আর্কিটেকচার অধ্যায় 4.2-এ সংশোধিত পূর্বাভাসের জন্য উপসম্পর্ক শিখতে এই স্তরগুলি ব্যবহার করে।
আমি মনে করি না যে আমি সত্যিই বুঝতে পেরেছি যে কনভোলশনাল স্তরগুলি কীভাবে প্রশিক্ষিত হয়।
আমি যেটা আমি বুঝতে পেরেছি তা হ'ল কার্নেল সাইজের সহ কনভ্যুসিভাল স্তরগুলি সাইজের ফিল্টার শিখবে । কার্নেল আকারের , স্ট্রাইড এবং ফিল্টারগুলির সাথে একটি কনভোলসিয়াল স্তর আউটপুট হবে মাত্রা । তবে, কনভোলশনাল স্তরগুলি শেখার কাজ কীভাবে হয় তা আমি জানি না। (আমি বুঝতে পারি যে সহজ এমএলপিগুলি গ্রেডিয়েন্ট বংশোদ্ভূত সহ কীভাবে শিখতে পারে, যদি এটি সাহায্য করে)কে × কে কে এস ∈ এন এন ইনপুট ম্লান
সুতরাং যদি কনভোলজিকাল স্তরগুলি সম্পর্কে আমার বোঝা সঠিক হয় তবে কীভাবে এটি বিপরীত হতে পারে সে সম্পর্কে আমার কোনও ধারণা নেই।
ডিকনভোলিউশনাল স্তরগুলি বুঝতে কেউ আমাকে দয়া করে সহায়তা করতে পারেন?