CNN最重要的两点:局部连接和权值共享
局部连接:神经元和上层部分神经元相连接
权值共享:基于局部连接,在每个神经元和上层部分神经元之间权值是共享的,也就是说对于一个神经元,和它相连的所有上层神经元之间的权值都是一致的,这样可以大大减少参数量。对于在feature_map中的理解:对于一个feature_map只需要训练一种kernel。
首先,对于LeNet整体上介绍一下:
- 对于一张大小为 32×32 32 × 32 的输入图像
- 经过第一层卷积层C1得到了6张大小为 28×28 28 × 28 的feature_map
- 经过下采样层S2,得到6张 14×14 14 × 14 的feature_map
- 经过第二层卷积层C3得到16张大小为 10×10 10 × 10 的feature_map
- 经过下采样层S4,得到16张 5×5 5 × 5 的feature_map
- 经过第三层卷积层C5得到120张大小为 1×1 1 × 1 的feature_map
- 经过全连接层F6得到84个神经元
接下来逐层分析:
1. C1
- C1中的每个feature_map与输入中的