为什么（MNIST 训练的）模型不擅长不在图片中心的数字
Why (MNIST trained) model is not good at digits which not in the center of the picture
关于问题
我的 CNN 模型在 MNIST 数据集上的准确率高达 99.4%。所以我尝试了一些不规则的输入。并且预测的结果不正确。
以下是我使用的一些不规则输入法
众所周知，CNN卷积会扫描整幅图像，也不关心关键特征在图像的哪些区域。
为什么CNN无法处理不规则输入
As we know, CNN convolution will scan the whole image, also don't care about the key features in which areas of the image.
这完全是错误的。 CNN不做"scan"图像，单个filter可以看成是扫描，但全网不做。 CNN由许多层组成，最终会减少信息量，并且在某些时候还会使用特定于位置的特征（在最终的全连接层中，在一些全局平均等中）。因此，虽然 CNN 对 小 扰动（平移或噪声，但不是旋转！）具有鲁棒性，但它们对这些变换并非 不变 。换句话说 - 将图像向左移动 3 个像素是可以的，但是尝试将一个数字分类为完全不同的 scale/position 将会失败，因为没有任何东西强制你的模型对此保持不变。 Spatial Transformers Networks 确实学习了这些不变性的一些模型，但 CNN 根本就没有。
关于问题
我的 CNN 模型在 MNIST 数据集上的准确率高达 99.4%。所以我尝试了一些不规则的输入。并且预测的结果不正确。
以下是我使用的一些不规则输入法
众所周知，CNN卷积会扫描整幅图像，也不关心关键特征在图像的哪些区域。
为什么CNN无法处理不规则输入
As we know, CNN convolution will scan the whole image, also don't care about the key features in which areas of the image.
这完全是错误的。 CNN不做"scan"图像，单个filter可以看成是扫描，但全网不做。 CNN由许多层组成，最终会减少信息量，并且在某些时候还会使用特定于位置的特征（在最终的全连接层中，在一些全局平均等中）。因此，虽然 CNN 对 小 扰动（平移或噪声，但不是旋转！）具有鲁棒性，但它们对这些变换并非 不变 。换句话说 - 将图像向左移动 3 个像素是可以的，但是尝试将一个数字分类为完全不同的 scale/position 将会失败，因为没有任何东西强制你的模型对此保持不变。 Spatial Transformers Networks 确实学习了这些不变性的一些模型，但 CNN 根本就没有。