第五讲-卷积神经网络--课时12--视觉之外的卷积神经网络

最新推荐文章于 2022-08-20 20:29:02 发布

i_chase

最新推荐文章于 2022-08-20 20:29:02 发布

阅读量201

点赞数

分类专栏： cs231n视觉识别

本文链接：https://blog.csdn.net/qq_39638957/article/details/80154657

版权

cs231n视觉识别专栏收录该内容

32 篇文章 2 订阅

订阅专栏

卷积核也叫做感受野（receptive filed）

卷积核与局部图像的一次内积求和，是下一层图像的一个像素点。那个像素点只看到了之前图像的局部。

--------------------------------------------------------------------------------------------------------------------------------

由于有多个卷积核，下图中的5个蓝色的神经元有着相同的感受野，但是它们有着不同的作用。因为卷积核的参数不一样

--------------------------------------------------------------------------------------------------------------------------------

pooling layer就是一个下采样过程，是为了减小尺寸，减少权重参数的个数。

pooling不改变图像深度

pooling时，卷积核的stride需要使得卷积核没有对图像进行重复覆盖，即是对图像划分区域下采样。

2*2 的filter,stride=2,会使尺寸减半，很常用。

j卷积核权重参数就是一个templete（模板），最初的层的卷积核是边缘的模板，后面的层的卷积核是高阶特征的模板。

每一层都是利用着上一层提取到的特征。

-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

https://cs.stanford.edu/people/karpathy/convnetjs/demo/cifar10.html

可查看conv net内部层和权重可视化的结果

--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------

发展趋势：

1 使用更小的卷积核和更深的网络

2 不使用pooling和全连接层

因为pooling能做到的，通过卷积核的stride>1也能做到。