卷积神经网络如何工作

卷积网络输出尺寸

• 输入图像大小$W\ast W$
• 滤波器Filter大小$F\ast F$
• 步长 $S$
• padding的像素$p$

于是我们可以得出：
$N=(W-F+2P)/S+1$

卷积神经网络如何工作

卷积网络不是一次只关注一个像素，而是接收方形的像素块并将它们传递给滤波器。该滤波器也是比图像本身小的方阵，滤波器的工作就是在像素中找到模式（特征提取）。

Multi-Kernels

$batch$张图片，每张图片是RGB三通道的彩色图，图像大小是5×5。

$$x:[batch,3,5,5]$$

如果是一个滤波器，滤波器大小为$3\times 3$，卷积核的厚度对应Feature Maps的通道数,即3。

$$onekernel:[3,3,3]$$

如果是一组滤波器（即多个滤波器），滤波器大小为$3\times 3$，卷积核的厚度对应Feature Maps的通道数,即3，共2组滤波器。

m u l t i k e r n e l s : [ 2 , 3 , 3 , 3 ] multi kernels:[2,3,3,3] <