先简单总结一波:
1.卷积就是输入与卷积核内积,得到特征图
2.反卷积就是恢复输入
3.池化的作用就是降维
4.反池化的作用类似于恢复
(不对的地方感谢请多多指正。)
新一、卷积:CNN中卷积就是输入input和卷积核kenel的内积操作,计算方式如图:
内积后得到的是特征图。
如果有多个通道或者多个卷积核,那么计算如下图:
二,反卷积
反卷积是特殊的卷积,可以将输入还原。
具体来说,若卷积核是C,输入是X,卷积得到的特征图就是Y,那么CX=Y
反卷积操作就是,Y左乘X转置,c T y = x
三、池化
池化的作用就是降维。
分为最大池化,平均池化,随机池化。
最大池化是对局部的值取最大;平均池化是对局部的值取平均;随机池化是根据概率对局部的值进行采样,采样结果便是池化结果。