Перетворення у Вектор

Перехід від виділення ознак до класифікації

Після того як згорткові та пулінгові шари виділяють основні ознаки зображення, наступним етапом у згортковій нейронній мережі (CNN) є класифікація. Оскільки повнозв'язані шари потребують одномірного вхідного сигналу, необхідно перетворити багатовимірні карти ознак у формат, придатний для класифікації.

Перетворення карт ознак у 1D-вектор

Флаттенінг — це процес переформування виходу згорткових і пулінгових шарів у єдиний довгий вектор. Якщо карта ознак має розміри X × Y × Z, флаттенінг перетворює її на 1D array довжиною X × Y × Z.

Наприклад, якщо фінальна карта ознак має розміри 7 × 7 × 64, флаттенінг перетворює її на (7 × 7 × 64) = 3136-dimensional вектор. Це дозволяє повнозв'язаним шарам ефективно обробляти виділені ознаки.

Важливість операції вирівнювання перед подачею у повнозв'язані шари

Повнозв'язані шари працюють у стандартній структурі нейронної мережі, де кожен нейрон з'єднаний з кожним нейроном наступного шару. Без вирівнювання модель не може коректно інтерпретувати просторову структуру карт ознак. Вирівнювання забезпечує:

• Коректний перехід від виявлення ознак до класифікації;
• Безшовну інтеграцію з повнозв'язаними шарами;
• Ефективне навчання шляхом збереження виділених шаблонів для фінального прийняття рішень.

Завдяки вирівнюванню карт ознак, згорткові нейронні мережі можуть використовувати високорівневі ознаки, отримані під час згортки та підвибірки, що дозволяє точно класифікувати об'єкти на зображенні.