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