CNN 的限制與改進

一句話理解

CNN 最大問題是用同一組 filter 處理所有位置，但不同位置其實是不同任務。

研究流程（老師強調）

1. 先看別人怎麼做
2. 找問題（限制）
3. 提出改進方法（你的貢獻）

CNN 的核心問題

1. Convolution 限制

• Kernel size 固定，只能抓固定大小的 pattern
• 無法適應不同尺寸物體或不同尺度特徵

2. 空間理解問題

• CNN 擅長局部特徵（local pattern）
• 不擅長全局關係（global structure）
• 問題：地圖/網格資料中每個位置語意不同，但 CNN 用同一組 filter 處理

3. 任務混在一起

• 一張圖中有多個不同區域任務
• CNN 同一個 filter 做同一件事 → 不適合 multi-task / heterogeneous data

CNN 假設 vs 現實

CNN 假設	現實
平移不變性	不同位置 = 不同語意
局部感受野	不同區塊 = 不同任務

改進方向

1. 1×1 Convolution：做 feature transformation，增加 channel 學習能力
2. 區域拆分（Spatial Partition）：把圖切成多區塊，每個區塊做不同任務
3. 多尺度處理：使用不同大小的 receptive field

---

MMSAI2 | 訊號處理與Spectrogram | 資料類型與對應模型 | CNN