20191029
1.深度学习-卷积
卷积之后输出特征的尺寸计算公式:
s i z e = ⌊ n + 2 p − f s + 1 ⌋ size=\lfloor \frac{n+2p-f}{s}+1\rfloor size=⌊sn+2p−f+1⌋
其中,原图像尺寸为 n ∗ n n*n n∗n image,卷积核尺寸为 f ∗ f f*f f∗f filter,填充尺寸 padding 为 p p p,步长 stride 为 s s s。
2.深度学习-卷积过程(图示)
下图是卷积神经网络中,具体卷积过程的示意图。利用 2 个 3*3*3 大小的卷积核,将一个7*7*3的彩色图片(3通道:RGB)进行卷积,得到 2 个 4*4*1 的特征图,然后加入偏置项,并通过ReLU激活函数处理,最终输出 4*4*2 的新特征图(2 个 4*4*1)。