卷积神经网络(ConvNets、CNN)笔记
1.卷积(Convolution layer)
通俗讲是一种线性操作——像素矩阵的加法和乘法,不同数量、大小、网络架构的filter在图像上滑动产生特征图(卷积特征)。
2.非线性操作(ReLU)引入非线性部分解释问题。
其他非线性函数sigmoid。
3.池化(Pooling layer)
最大、平均、总和等操作。
4.全连接(FC layer)
卷积+池化是特征提取,全连接是分类。
训练过程:
1.随机初始化所有filter的参数;
2.前向传播步骤(卷积,ReUL,池化和全连接层);
3.计算输出结果误差;
4.使用反向传播更新所有filter参数;
5.重复2-4;