完全畳み込みニューラルネットワークの論文では、著者はパッチワイズトレーニングと完全畳み込みトレーニングの両方に言及しています。
トレーニングセットの構築に関する私の理解は次のとおりです。
与えられたM*M画像、抽出サブ画像とN*N（、 N<M）を。選択したサブ画像は、他のサブ画像と重複しています。トレーニングプロセスのバッチごとに、特定の画像または複数の画像のすべてのサブ画像を含めることができます。
私の理解は正しいですか？それでは、パッチごとのトレーニングと完全なたたみ込みトレーニングの違いは何ですか？関連セクションを参照として含めます。
回答:
基本的に、完全たたみ込みトレーニングは、MxM画像全体を取得し、単一のConvNet転送パスですべてのサブ画像の出力を生成します。パッチワイズトレーニングは、サブイメージを明示的に切り取り、独立したフォワードパスで各サブイメージの出力を生成します。したがって、完全畳み込みトレーニングは通常、パッチ単位のトレーニングよりもかなり高速です。
したがって、完全にたたみ込みトレーニングを行うには、次のように更新します。
これは非常に高速ですが、パッチごとのトレーニングと比較してトレーニングサンプリングプロセスが制限されます。同じ画像に対して多くの更新を行わなければなりません。（実際には、すべてのサブイメージのすべての可能な更新）トレーニングの1つのステップ中。そのため、画像の各受容フィールド（別名サブイメージ）がパッチワイズトレーニング手順のトレーニングバッチに含まれている場合（パッチワイズトレーニングの場合、10のうち2つが可能になる可能性があります）画像Aからのサブ画像、画像Bからの8つの可能なサブ画像のうちの3つなど）。次に、完全畳み込みトレーニング中にすべての出力を使用しないことで、パッチワイズトレーニングに再び近づくと主張します（単一のトレーニングステップで画像のすべてのサブイメージに対して可能な更新をすべて行っていないため）。ただし、計算の一部が無駄になります。また、セクション4.4 /図5では、