1,对某一特征进行卷积
例如对这个十字形进行卷积
使用的图形为
例如某一个进行二进制化的图片
原本为5*5的大小,用三乘三进行卷积的处理后就会变为一个三乘三的模块,卷积的具体过程为3*3的模块对应位置进行相乘后相加,然后进行平移和上下移动
通过多次卷积可以放大特征
2池化
池化分为很多种,我们现在的使用一般为最大值池化,即如果是用一个2*2的方块大小进行池化,就会
在这个2*2的格子中取最大值
3具体的使用
卷积和池化一般而言都会联合使用,即单次卷积后进行池化以突出特征值,然后进行重复这一过程,得到最大的特征值
注意这一部分的卷积可能会遇到问题,即例如一个原本为5*5的图像在被三乘三的图像进行卷积后的大小将会缩减为3*3,
多次的卷积将会是原图越来越小,此时我们需要在原图的周围进行补0
保证图片的大小在卷积后仍然保持不变(这边好像画成6行了)
前面所有的步骤都是为了提取特征(理论上我觉得次数越多越好,但是实际上我发现除了过拟合现象外,似乎并不一定成正相关)
最后就是构建全连接层,通过梯度下降算法进行优化
ps现在具体代码没搞完,也就在这几周了,图片进行反转和亮度调节可以通过学习提高准确度,增加学习的样本容量