* Equivariance란, 함수의 입력이 바뀌면 출력 또한 바뀐다는 뜻
* Translation equivariance는 입력의 위치가 변하면 출력이 동일하게 위치가 변한채로 나온다는 뜻이다.
- 따라서 convolution 연산을 하면 translation equivariance 특성과 더불어 Parameter를 공유하기 때문에 필터 하나로 다양한 위치에서 특징을 추출할 수 있게 되고, 결국 이미지의 stationarity 가정과 잘 맞아 떨어지게 된다
* Invariance란 불변성이라는 뜻으로, 함수의 입력이 바뀌어도 출력은 그대로 유지되어 바뀌지 않는다.
* Maxpooling -> 대표적인 small translation invariance 중 하나이다.
* convolution과 Parameter 공유를 하면 equivariance를 통해 반대 개념인 translation invariance 특성 또한 갖게 된다.
'DeepLearning > 용어정리' 카테고리의 다른 글
| Super Pixel (0) | 2022.02.20 |
|---|---|
| Fine/Coarse Grained classification (0) | 2022.02.20 |
| Loss function, Cost function, Objective-function (0) | 2022.02.20 |
| Disparity Map (0) | 2022.02.20 |
| ill-posed problem (0) | 2022.02.20 |