1、局部感知
由来:
认为人对外界的感知是从局部到全局的,而图像的空间联系也是局部的联系较为紧密,而距离较远的像素的相关性较弱。因为,每个神经元没必要对全局图像进行感知,只需要对局部进行感知,然后在高层将局部的信息综合起来就得到了全局的信息。每个神经元只是连接输入神经单元的一部分。此外,图像的像素也是局部时空相关的。先局部感知,再综合起来得到全局的信息。
实际中:
让图像的一个小块对应一个神经元,计算出一个内积值再加激活函数就是一个神经元的输出,对应一张特征图或者是激活图,是由很多神经元的输出铺满的。可以大大地压缩参数的体积和大小。
2、参数共享
由来:自然图像具有固有特性,也就是说,图像的一部分统计特性和其他部分是一样的,意味着我们在这一部分上学习的特征也能用到另一部分上。对于图像的所有的位置都使用学到的同样的特征。
3、几个问题
1、同一个卷积层为什么要需要多个不同的滤波卷积核?
理由:不同的卷积核对应提取图像多个角度多个层次的特征,多个角度多方位的观察。不同的卷积核对应对图像做不同的图像变换和特征提取。以下两个图为课程中ppt截取。