立即学习:https://edu.csdn.net/course/play/26109/325193?utm_source=blogtoedu
全:每个 都有整幅图的信息
’全局‘开始学
卷积层:只学习原图中很小的一部分 一个窗口
点积 学到的部分
‘局部’开始学
长条: 特征 深度:用多少卷积核
2:20min
卷积特点:
1)分层次 窗口只有这么大
低层:像素 =》高层:featuremap
3:10min
2)平移不变性 局部的,特定的图像 这个位置 对卷积‘不变’
4:14min
计算方法
4:30min
早期固定的卷积核
=》深度学习:参数是训练的
在原来的特征图上特征学习
点积的输出:一个数值
5*5->3*3
卷积核=> 得到一个数字/向量
卷积核做张量积, 有深度
7min:
边界效应
9个窗口-》9个数字
8:30min 边缘填充
9:25min 步进卷积
提升学习效率,但有‘风险’:中间重叠的可能‘没’学到 某些特征
11:10min
过滤器与特征图 :不同深度,‘可视化’方式展现
不同通道:某种颜色更突出的效果
可猜测出
越到高层次:跟原图越不相干
12:30min
池化层:加快训练效率
部分小窗口,输入特征图:只选1个
最显著的点:在特定通道/过滤器响应最大的
比如max/average pooling,
eg 美图秀秀,拉皮