提取的CNN特征的类型是什么：全局或局部特征类型或两者兼有答案

【问题标题】：What is the type of extracted CNN features: global or local feature type or both of them提取的CNN特征的类型是什么：全局或局部特征类型或两者兼有
【发布时间】：2019-11-21 08:04:56
【问题描述】：

众所周知，局部特征描述图像内容的局部结构，而全局特征描述图像内容的整体。深度学习领域的卷积神经网络自己提取重要特征，我想了解CNN提取的特征是什么类型的，它们是局部特征还是全局特征或两者兼而有之？为什么？有没有人可以帮助我进行一些分析或参考回答我的问题。谢谢。

【问题讨论】：

根据我的经验和我不久前阅读的一篇论文（这就是我现在正在寻找的东西，这就是我发现这个问题的方式）说 CNN 不会提取局部或全局特征，但是最重要的功能。这确实取决于最大池化层和内核大小。如果我找到论文，我会把它贴在这里

标签： image-processing conv-neural-network feature-extraction

【解决方案1】：

虽然与输入图像相比，低阶卷积核的尺寸通常较小，提取的特征更侧重于局部感知。然而，高阶卷积使整体感受野的扩展，逐渐将局部特征转换为全局特征人类注视物体并识别它的方式也是如此。给你我的朋友 https://iopscience.iop.org/article/10.1088/1742-6596/1087/6/062032/pdf

还有这个 https://arxiv.org/pdf/1904.04447.pdf

s。如果我们只使用邻居模式通过 CNN 提取，许多有用的全局特征交互将是丢失。这也是 CNN 模型在 CTR 上表现不佳的原因预测任务。为了克服这个限制，我们执行 CNN 和 MLP，相辅相成，学习全局-局部特征特征生成的交互

【讨论】：