AI作业8

1、步长、填充

        步长：卷积核经过输入特征图的采样间隔

        填充：在输入特征图的每一边添加一定数目的行列，使得输出的特征图的长、宽 = 输入的特征图的长、宽

2、感受野

        卷积神经网络每一层输出的特征图（feature map）上的像素点在原始图像上映射的区域大小。

3、局部感知、权值共享

        局部感知：卷积层的节点仅仅和其前一层的部分节点相连接，只用来学习局部特征。

        权值共享：在卷积神经网络中，多个神经元共享同一组参数，这个参数组被称为卷积核。

4、池化（子采样、降采样、汇聚）

         用来降低卷积神经网络或循环神经网络中的特征图的维度。在卷积神经网络中，池化操作通常紧跟在卷积操作之后，用于降低特征图的空间大小。

5、低级特征、中级特征、高级特征

        低级特征通常指一些较为基础的、直接从原始数据中提取的特征，如颜色、纹理、边缘等，它们通常对于物体的分类或识别任务并不十分有效，但是可以作为中级特征的基础。

        中级特征则是指基于低级特征构建的一些更高层次的特征，如形状、轮廓、纹理组合等，这些特征能够更好地描述物体的形态和结构，因此对于分类或识别任务的效果会更好。

        高级特征则是指基于中级特征构建的更加抽象和复杂的特征，如物体的部件、结构、语义等，这些特征能够更好地描述物体的高层次语义信息，因此对于更加复杂的任务（如目标检测、语义分割等）的效果会更好。