Basado en lo que he aprendido, utilizamos múltiples filtros en una capa de convección de una CNN para aprender diferentes detectores de características. Pero dado que estos filtros se aplican de manera similar (es decir, deslizados y multiplicados a las regiones de la entrada), ¿no aprenderían los mismos parámetros durante el entrenamiento? Por lo tanto, el uso de múltiples filtros sería redundante?
Respuestas:
Tuve la misma confusión al entender este hecho. La confusión surge para los principiantes porque la explicidad del libro no menciona que los filtros son diferentes.
ya que estos filtros se aplican de manera similar
Los filtros se aplican de manera similar, pero el valor de la celda en la matriz es diferente entre sí. Entonces extraen diferentes características de la imagen.
¿No aprenderían los mismos parámetros durante el entrenamiento?
No, no aprenden el mismo parámetro ya que los filtros son diferentes ahora. Por lo tanto, el uso de filtros múltiples no es redundante.
He encontrado la respuesta a esta pregunta: https://www.quora.com/Why-does-each-filter-learn-different-features-in-a-convolutional-neural-network
Aquí dice: "... el algoritmo (de optimización) encuentra que la pérdida no disminuye si dos filtros tienen pesos y sesgos similares, por lo que eventualmente cambiará uno de los filtros (pesos y sesgos) para reducir la pérdida. aprendiendo una nueva característica ".
Gracias por las respuestas. Lo aprecio :)