算法实习准备之五
算法岗面试整理
CV
Faster-RCNN
CNN
卷积
解释卷积层的最佳方法是想象有一束手电筒光正从图像的左上角照过。假设手电筒光可以覆盖 5 x 5 的区域,想象一下手电筒光照过输入图像的所有区域。在机器学习术语中,这束手电筒被叫做过滤器(filter,有时候也被称为神经元(neuron)或核(kernel)),被照过的区域被称为感受野(receptive field)。过滤器同样也是一个数组(其中的数字被称作权重或参数),当过滤器在图像上滑动(卷积运算)时,过滤器中的值会与图像中的原始像素值相乘(又称为计算点积),这些乘积被加在一起计算出一个结果。
参数量:(卷积核高 * 卷积核宽 + 1)* 卷积核数目(同时也是输出的feature_map的channel) #考虑了bias
运算量: 卷积核高 * 卷积核宽 * 卷积核的通道数 * 待运算的feature_map的height * 待运算的feature_map的width * 待运算的feature_map的channel
池化
同时也被叫做下采样(downsampling)层,这一层大幅减小了输入卷的空间维度(长度和宽度改变了,但深度没变)。这到达了两个主要目的&#