深度学习笔记
资料地址
https://blog.csdn.net/kkkkkiko/article/details/82870773
在神经网络模型中,前几层神经网络能检测到边界,后几层可能检测到物体小部分,再后面几层可能检测到具体的物体,在这个例子中就是人脸
典型的卷积神经网络由卷积层、池化层、全连接层
1. 卷积
2. 池化
通过卷积操作,我们完成了对输入向图像的降维和特征抽取,但特征图像的维数还是很高。维数高不仅计算耗时,而且容易导致过拟合。为此引入了下采样技术,也称为pooling即池化操作。
池化的做法是对图像的某一个区域用一个值代替,如最大值或平均值。如果采用最大值,叫做max池化;如果采用均值,叫做均值池化。除了降低图像尺寸之外,下采样带来的另外一个好处是平移、旋转不变性,因为输出值由图像的一片区域计算得到,对于平移和旋转并不敏感
均值池化和max池化都可以完成下采样操作,前者是线性函数,而后者是非线性函数,一般情况下max池化有更好的效果