1、定义
全连接层(FC)在整个卷积神经网络中起到“分类器”的作用,是每一个节点都与上一层的所有结点相连。
2、实现方式
对若前层已经是全连接层,可以转换为卷积核为1*1的卷积;而前层是卷积层的全连接层可以转换为卷积核与前层卷积输出结果的高和宽一样大小的全局卷积。
3、举例
一张图片经过卷积的特征提取,很可能已经提取出即使上百个特征,如何根据这些特征来确定这幅图画的是猫猫还是狗狗或是其他呢。
如果是一只猫猫的图片,假设卷积层只提取了3个特征,分别是鼻子眼睛耳朵。但拥有者三个特征的动物很多,不能就说它是猫猫,就需要一种方法将这三个特征融合,使得网络看到这三个特征的融合之后,可以看到这是一只猫而不是其他动物。
例子来源:https://zhuanlan.zhihu.com/p/552186222
4、特点
全连接由于连接了上一层所有的节点,需要的模型参数更多,计算更密集。因此在实际网络中,会用大量卷积而不是全部使用全连接
也就是把卷积层学到的特征空间映射到样本标记空间