Convolución 1D en redes neuronales

Entiendo cómo funciona la convolución, pero no entiendo cómo se aplican las convoluciones 1D a los datos 2D.

Convolución 2D

En este ejemplo, puede ver una convolución 2D en datos 2D. Pero, ¿cómo sería si hubiera una convolución 1D? ¿Solo un kernel 1D deslizándose de la misma manera? ¿Y si el paso era 2?

¡Gracias!

conv-neural-network

— Gustavo
fuente

Solo mira la primera fila de cada matriz.

— Piotr Migdal

¿Me puede dar un ejemplo?

— Gustavo

Las convoluciones 1d realmente no serían útiles para una imagen 2D estricta. Las imágenes sin escala de grises son técnicamente 3D, ya que tienen tres canales de color.

— Ethan

@Gustavo Al igual que este: toto-share.com/wp-content/uploads/2011/11/… A menos que se refiera a una convolución 1x1 (en el sentido de las redes neuronales), que es algo diferente.

— Piotr Migdal

Mi problema es con convoluciones como: d3kbpzbmcynnmx.cloudfront.net/wp-content/uploads/2015/11/… Hay dos convoluciones, una con el tamaño de kernel 3 y otra con el tamaño 2 ... Pero esos kernel son 1D o size xk ?

— Gustavo

Respuestas:

$x_1, …,x_n$ $n$ $n=3$

Para una explicación un poco más matemática, puede consultar a Ji Young Lee, Franck Dernoncourt. " Clasificación secuencial de texto corto con redes neuronales recurrentes y convolucionales ". NAACL 2016 . sección 2.1.2:

— Franck Dernoncourt
fuente

Las convoluciones 1D se utilizan en redes convolucionales para muestreo descendente y muestreo ascendente en la dimensión del filtro. Las redes convolucionales construyen estos mapas de filtro a medida que avanza por la red, realmente puede pensar en ellos como una tercera dimensión. El caso base habitual de la dimensión del mapa de filtro es un tamaño de 3, ya que a menudo tendremos imágenes RGB que atraviesan nuestra red.

Estas convoluciones 1D pueden ser útiles para el muestreo descendente, realizar algunas operaciones y luego volver a muestrear a la misma dimensión. Esto es bastante útil por razones de rendimiento.

Para entender realmente intuitivamente, sugiero leer:

Red en red: http://arxiv.org/abs/1312.4400

Profundizando en las convoluciones: https://www.google.com/url?sa=t&source=web&rct=j&url=http://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf&ved=0ahUKEwi89oeuxqnLAhXhuIMKHZrTCe0QFggkAEugg rrECNQ72wI3PH1Qw & sig2 = VhjfaMvuskNIDVKhFfNiqQ

— Ethan
fuente

Parece que hablas de convoluciones 1x1 (en el sentido de redes neuronales) en lugar de convoluciones 1D.

— Piotr Migdal

Correcto, supuse que las redes neuronales estaban involucradas. Encontré un enlace a esta pregunta en / r / MLQuestions en reddit, así que supuse que estaba relacionado con ML. Pero por simple convolución esto no es tan relevante: P.

— Ethan