备注:
图片来源 https://blog.csdn.net/gyh_420/article/details/78570415
内容参考在文中已经引出,不过多赘述。
概念一:receptive fields
Locations in higher layers correspond to the locations in the image they are path-connected to, which are called their receptive fields.
在卷积神经网络CNN中,决定某一层输出结果中一个元素所对应的输入层的区域大小,被称作感受野receptive field。具体可参考下文。
https://blog.csdn.net/u010725283/article/details/78593410
概念二:卷积、反卷积
主要参考: https://blog.csdn.net/gyh_420/article/details/78570415
卷积:
一维卷积
图像卷积:通过计算理解卷积的核心。
从上图可以理解到另外几个概念,如kernel size(kernel的大小),stride(kernel移动的步长)
另外padding可分为valid, full, same ,具体区别可以从上面博客中查阅。
反卷积
这里有一个理论,假设f是一个卷积层,而且y=f(x),那么在反传求导时, 会返回一个跟x一样形状的输出,卷积是一个对偶函数,
. 那么如果我们想得到跟输入一样的输出,那么定义
, 这样g(f(x))就达到想要的目的。从而转置卷积就是将卷积层的 forward 和 backward 函数对换。
视频推荐:https://www.bilibili.com/video/av25857000/?spm_id_from=333.788.videocard.13