Machine learning 为什么我在同一张图片上得到了两个不同的特征映射，它们具有相同的内核？

我随机选取了一个内核，并将其应用到一个padding='valid'，stride=（1,1）的图像中，该内核的大小为=（3,3）

这是正常的图像：

这是应用过滤器后的图像：

然后我将原始图像旋转了90度，它变为：

然后我在这个旋转的图像上应用了相同的过滤器，得到了这个作为输出：

然后我旋转了这个输出图像，这样它的旋转和之前的特征图是一样的。 当我旋转这个旋转的特征图，并将其与之前的特征图进行比较后，我注意到，它们不一样

以下是两个要素地图的图像：

正如你所看到的，它们显然是不同的

这意味着特征映射会随着特征在输入图像中的位置的变化而变化

但为什么会发生这种情况？ 例如：假设我们有一个检测“眼睛”的内核，在对内核进行图像中心的“眼睛”图像训练后，我们给它一个图像，此时，“眼睛”出现在图像的左上角。它仍然会做得很好，因为它会搜索图像的每个（5,5）部分（假设内核的大小为（5,5）），所以该功能在图像中的位置并不重要

---

那么，在“5”的示例中，当我们更改输入图像中特征的位置时，为什么特征映射呢？

过滤器对旋转没有不变性：对于3×3像素的窗口，您有9个权重，表示窗口中有多少像素将在输出中表示，而这些权重对旋转没有不变性。如果旋转内核权重，输出将是相同的

假设您有一个具有这样权重的内核：

010
000
000

---

结果是将所有像素移动到底部的一个位置。如果旋转图像，应用过滤器并向后旋转，则所有像素都会向左移动。

Hey Dhruv，您是否尝试打印像素值？你能给我们提供你的代码吗？我认为当你的滤镜在图像上移动时，它会对滤镜选择的像素值应用一些函数。如果现在旋转该图像，则过滤器将选择一组不同的像素，因为过滤器仍以与您所说的“如果旋转内核权重，输出将相同”相同的方式（或更好的方向）在图像上移动，但是我不认为输出是相同的，因为这次不同的值将乘以窗口中的像素值，因此我们将得到不同的输出像素。