卷积层
作用
特征提取
原理
设定卷积核,不同卷积核确定不同特征(垂直、水平、倾斜、折、圆等)
卷积核尺寸↗、数目↗,则准确率↗
池化层
作用
提取能识别特征的数值:在不影响图像质量的情况下,压缩图片,减少参数
两种方法:MaxPooling,AveragePooling
补零(zero padding)
作用
保证每次经过卷积或池化输出后图片的大小不变
全连接层(FC/Fully-connected layer)
全连接层之前的作用是提取特征
全理解层的作用是分类
激活函数,并不是去激活什么,而是指把“激活的神经元的特征”通过函数把特征保留并映射出来,即负责将神经元的输入映射到输出端
relu
参考资料CNN