卷积神经网络 (Convolutional Neural Network, CNN)
卷积运算
6x6矩阵和3x3矩阵卷积运算,得到4x4矩阵
卷积运算实现垂直边缘预测:
数字越大,亮度越高
水平边缘预测,将过滤器旋转90度
padding
用像素点来填充边缘,解决角落或图像边缘的信息发挥作用较小的缺点。
valid卷积和same卷积:
valid:(不填充)n x n * f x f → (n-f+1)x(n-f+1)
same:输出和输入大小一样,p=(f-1)/2,填充p层
步长 stride
步长为s,padding为p
n x n * f x f → (n+2p-f)/s +1 x (n+2p-f)/s +1
单层卷积网络
一些符号的表示:
一个典型的卷积网络:
- convolution 卷积层
- pooling 池化层 (最大池化、平均池化)
eg:最大池化
- fully connected 全连接层