卷积神经网络CNN原理介绍

1、卷积神经网络CNN通过感受野和权值共享减少了神经网络需要训练的参数个数。

 

 

 

2、图像与卷积核作用，得到特征图。卷积核有多样，可以理解成是滤波器

 

 

3、池化。 最大值池化，平均值池化，随机值池化。 一般在卷积层后会加一个池化层操作。

 

 

 4、对于卷积操作：same padding，为了在卷积后得到与原平面相同大小的特征图，在卷积操作之前给原平面补0。

                                valid padding，不补0，卷积操作之后得到特征图比原来平面小。

 

 

5、对于池化操作：

 

 

 

 

6、CNN卷积神经网络结构：原图>>卷积>>池化>>卷积>>池化>>.......>>全连接层>>分类