CNN,可视为图像到图像内容的一组分类概率的映射
构成:1.卷积层,是一种激活映射,也叫特征映射。主要作用,提特征。
其中,卷积核,可视为过滤器;过滤器越多,激活映射的深度越大,对输入内容了解的越多。越深入网络,过滤器的感受野越大,能处理更大范围的原始输入内容。
2.全连接层,实质是一种分类器。主要作用,分类。上层抽取的特征向量做一个权重计算,输出各个类别的概率。
3.池化层。减少输入的空间维度(长和宽),深度不变。作用:减少权重参数;控制过拟合。
4.Dropout层,防止CNN的权重与训练样本太过匹配而过拟合,只用于训练中,不用于测试过程。