卷积神经网络:Convolutional Neural Networks
卷积层用来识别图片里的空间模式,例如线条和物体局部,之后的最大池化层则用来降低卷积层对位置的敏感性。
从之前的学习中我们了解到,计算机在识别图片时,学习到的初级特征往往是一些线条,而利用卷积神经网络可以帮助模型更快地发现特征线条。
识别图片里的空间模式,例如线条和物体局部
“卷积”的过程很简单:如上图所示,将原始图像(左)乘以一个筛子(中)后,即可得到处理后的结果。
如下图所示,可以利用该筛子找到原图像中的垂直线条。
当然,通过设置筛子中的数值,还可以找到水平的、45度的线条等。
Padding
上述的“卷积”处理过程会将图像形状改变,如从6x6变成了4x4;并且原始图像中间的像素点比边缘的像素点用到了更多次;Padding正是为了应对该现象。如下图所示,该padding 在原始图像像素周围加了一圈零像素点。
Strided Convolutions
Stride指的是筛子在移动过程中的步幅,前面虽然没说,但其实它们的stride为1。当面我们可以设置stride为任意我们想要的值。过筛后的图片形状为