卷积神经网络主要用于图像处理。
卷积神经网络有5层组成,包括:输入层(input),卷积层(conv),激励层(relu),池化层(pool),全连接层(FC)
经过卷积层后的图像的大小计算的:
输入图像大小: W1*H1*D1
输出图像的大小的计算:
W2=(W1-F+2P)/S+1
H2=(H1-F+2P)/S+1
D2=K
F:filter的大小
P:填充边界的大小
S:步长
K:filter的个数
池化层:
取最大值或均值 把2*2的矩阵变成1*1的矩阵
卷积神经网络主要用于图像处理。
卷积神经网络有5层组成,包括:输入层(input),卷积层(conv),激励层(relu),池化层(pool),全连接层(FC)
经过卷积层后的图像的大小计算的:
输入图像大小: W1*H1*D1
输出图像的大小的计算:
W2=(W1-F+2P)/S+1
H2=(H1-F+2P)/S+1
D2=K
F:filter的大小
P:填充边界的大小
S:步长
K:filter的个数
池化层:
取最大值或均值 把2*2的矩阵变成1*1的矩阵