Ի՞նչ է spatial pyramid pooling-ը։
sobes.tech AI
Պատասխան AI-ից
Տարածական Պիրամիդային Հավաքում (SPP) — դա տեխնիկա է համակարգչային տեսողության մեջ, որը թույլ է տալիս հանել ֆիքսված չափի հատկանիշներ տարբեր չափի մուտքային պատկերներից առանց նախապես մաշկի փոփոխության:
Իդեան այն է, որ պարզ գլոբալ հավաքման (օրինակ, max pooling) փոխարեն կիրառվում է հիերարխիա տարբեր չափերի պատուհաններով, բաժանելով նկարը մի քանի մակարդակի (պիրամիդա), օրինակ՝ 1x1, 2x2, 4x4 և այլն: Յուրաքանչյուր մակարդակում վերցվում են համապատասխան շրջանների առավելագույնները, և բոլոր արդյունքները միավորվում են մեկ ֆիքսված երկարության վեկտորում:
Այսպիսով, նեյրոնային ցանցերը կարող են աշխատել ցանկացած չափի պատկերների հետ, պահպանելով տարածական տեղեկատվությունը տարբեր մասշտաբներում:
Օրինակ՝ եթե ունեք պատկեր, կարող եք այն բաժանել 4 քառակուսի (2x2), վերցնել ամենամեծը յուրաքանչյուրում, ապա 16 քառակուսի (4x4) և այլն, և բոլոր այդ արժեքները միավորել մեկ վեկտորում:
SPP-ը հաճախ օգտագործվում է CNN ճարտարապետություններում՝ ճկունությունը և ճանաչման որակը բարելավելու համար։