深度学习：卷积实现滑动窗口（Convolutional implementation of sliding windows）

一、FC网络
在有全连接层的网络中，第一个FC是将上一层5516的多维数据拉成一行，转化为11400，在通过一个变换矩阵，变成第二个FC，然后经过softmax输出预测结果。

二、全卷积网络
在全卷积网络中，我们通过卷积替换掉全连接，具体做法是：
1.在第一个FC处，使用400个5516的卷积核对上一层layer进行处理，得到的输出是11400。这样，输出中每一个值都包含了一个5516的卷积核。
2.在第二个FC处，使用400个11400的卷积核对上一层的输出11400进行处理，得到的还是11400。
3.对应于softmax输出，这里依然用11卷积进行输出，n个11*400的卷积核

全卷积网络和FC网络的参数量没有改变，和FC网络一样多。主要是为了在卷积层上实现滑动窗口，减少重复卷积的计算，，在目标检测中很有用。
因为FC网络在全连接层上改变了原先矩阵的结构，无法对应于一个个滑动窗口。


（转载笔记）