CNN笔记

输入 --> 卷积 --> 激活 --> 池化 --> 卷积 --> 池化

一、卷积层是如何提取特征的？

• 卷积层提取特征；采样层特征选择；全连接层负责分类
• RGB
• 卷积核（滤波器）：用来提取特征
  • 图像和卷积核卷积 --> 得到特征值
  • 卷积核里的数字是权重，权重怎么来的？（反向传播算法）
  • 蓝色分量 卷积 蓝色分量卷积核；红色绿色也是；然后三个颜色叠加在一起 --> 即三个颜色特征分类叠加成RGB特征分量
• 卷积输出的特征图，除了特征值本身，还包含相对位置信息  --> 提取出的相应特征值也是按照顺序排列的
• zero padding：添一圈0，可以控制卷积层输出的特征图的大小

二、为什么要做训练（Training）？

• 目的：给数据做分类 --> 通过一个规则或者数据间的关联（称为kernel） --> 目的：找到最好的kernel

三、什么是采样层（pooling）？

• 特指maxpooling：在几个方格里选最大的那个
• 选出最适合的，丢掉其余没用的信息
• 不做maxpooling，容易导致overfitting，且参数过多，运算量大
• 操作