1.填充,使用增广的数据辅助边界的卷积运算
2.步长
3.思路,使用局部统计特征,如均值或最大值。解 决特征过多问题
4.构成:由多个卷积层和下采样层构成,后面可连 接全连接网络
论文里的经典案例:
卷积,采样层(池化),卷积,采样层,卷积,全连接层,输出
特点:
i.卷积时不进行填充(padding)
ii.池化层选用平均池化而非最大池化
iii.选用Sigmoid或tanh而非ReLU作为非线性环节激活函数
iv.层数较浅,参数数量小(约为6万)
图像卷积,计算时需首先上下、左右翻转后再做相关
卷积与采样的差异:前者逐步长进行,后者分块进行