什么是patch？

在论文中经常见到patch，意味“补丁”。

在计算机视觉和深度学习领域中，CNN（卷积神经网络）中的"patch"是指图像中的小块区域。CNN通过处理这些小块区域来提取图像的特征。

定义与介绍

定义：Patch是图像的一个子区域，它可以是正方形或矩形，并且具有固定的尺寸。通常情况下，这些尺寸是预定义的，并作为CNN的超参数进行设置。Patch的大小可以根据具体任务和数据集的要求进行调整。

提取特征：

CNN通过卷积层来处理图像中的每个patch。卷积层使用称为卷积核或滤波器的小型矩阵对输入图像的每个patch进行卷积操作。这种卷积操作会计算出一个新的特征映射，其中每个位置对应输入图像中的一个patch。这个特征映射表示了该位置的patch与卷积核之间的相似性或相关性。

局部感受野：

CNN中的每个卷积核在输入图像上滑动，处理一个个patch，每个patch都有一个局部感受野。局部感受野是指卷积核在输入图像上扫过的区域大小。通过局部感受野，CNN能够捕捉到图像中的局部特征，并在整个图像上进行共享和重复利用。

多尺度处理：

在一些情况下，CNN可以使用不同大小的patch来提取多尺度的特征。例如，在物体检测任务中，使用多个尺度的patch可以帮助网络检测不同大小的物体。这种多尺度处理可以通过在不同层级的网络中使用不同大小的卷积核来实现。

池化：

在处理patch后，CNN通常会应用池化操作来减小特征图的尺寸并提取更具有鲁棒性的特征。常用的池化操作包括最大池化（选取每个patch中的最大值）和平均池化（计算每个patch的平均值）。这可以减少特征的维度，并且对图像的平移、缩放和旋转等变化保持不变性。

总之，CNN中的patch是指图像中的小块区域，它通过卷积操作和池化操作被CNN用来提取图像的特征。这种局部处理和特征提取策略使得CNN能够对图像进行有效的分析和学习，从而在计算机视觉任务中取得优秀的性能。