4、卷积神经网络.（1）

1、边缘检测

Padding

步长

在彩色图像上卷积的具体过程

下面两个过滤器检测红色的垂直边缘，第二个检测三种颜色的垂直边缘，输出为4*4*1

把检测不同角度的边缘的输出叠加起来

加入激活函数

参数

池化层：减小模型大小，加快训练速度，提高所提取特征的鲁棒性

最大池化一般很少用padding填充，不过也有列外

类似Lenet-5的网络结构

各层参数

为什么使用卷积操作：

权值共享和稀疏链接

经典网络模型：Lenet-5\AlexNet\VGG

对论文感兴趣可以参考顺序AlexNet----------VGG---------------Lenet-5

AlexNet使用了Relu

ResNet残差网络

1*1的卷积：网络中的网络
根据个人意愿改变输出的信道与输入相同什么的

Inception网络

再设计网络的时候不知道1*1,3*3.5*5还有多大的池化层才是最好的时候，可以考虑该模块，让其自动选择最优的设计结构

卷积操作的计算成本问题可以记住一维卷积来大大减少

就像是一个瓶塞

迁移学习：有越多的数据就需要冻结越少的层

数据扩充方法：镜像、随机裁剪、扭曲、颜色增强等