第五讲-卷积神经网络--课时12--视觉之外的卷积神经网络

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。



  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值