赞
踩
卷积神经网络–AlexNet(最牛)-2012
Lenet-5-大规模商用(1989)
1.特征具有局部性:卷积核每次仅连接KK区域,KK是卷积核尺寸
2.特征可能出现在任何位置:卷积核参数重复使用(参数共享),在图像上滑动
卷积核(就有点像权重矩阵)
卷积核:具可学习参数的算子,用于对输入图像进行特征提取,输出通常称特征图(feature maps)
分辨率不变
弥补边界丢失
滑动距离
F_in是输入特征图的长度
k:卷积核的长度
p:填充(单行长度)
s:步长
卷积核:高、宽、输入的通道数量、输出个数(4维)
卷积核是3-D张量,但是计算还是2-D卷积(视频处理中,会用到3-D卷积-有时间概念)
下采样图像,不会改变图像目标:降低计算量,减少特征冗余
很少用池化了,因为降低分辨率,可以用设置步长。
卷积池化的堆叠
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。