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