【深度之眼cs231n第七期】笔记（十）

之前的神经网络是全连接网络，需要把输入图片拉伸为一维向量，然后和W进行点乘，得到10个得分。
但是，把图像拉伸为一维向量会失去它的空间特征，而卷积神经网络能解决空间特征的问题。

在卷积层中，卷积核一般是f*f*c的形式，其中c是输入的深度。
进行卷积运算其实就是卷积核在输入上滑动时，求卷积核和输入的点积。

上面蓝色的卷积核能得到蓝色的激活图（activation map），再来一个绿色的卷积核就能得到绿色的激活图。
每一个卷积核获取一种特征，得到一张激活图。所以输出的深度和卷积核的个数相等。

卷积网络就是一系列的卷积层，每个卷积层后面都有一个激活函数（比如这里的ReLu）。

可以看到，较低层的卷积核代表一些低阶的图像特征，比如边缘；中间层则是低阶特征的