【深度学习】卷积神经网络简介

【深度学习】卷积神经网络简介

本文从卷积运算、特点、发展、和全连接神经网络的对比四个方面介绍：

目录

---

1 卷积运算

常用星号表示

目的：使原信号特征增强，并且降低噪音。
y=x*w
y=output 特征图 feature map;
x=input;
w=核函数kernel function.
不同卷积核输出特征图不同

2 特点

权值共享

隐藏层分为卷积层和池化层。

2.1 卷积层

通过一块块卷积核conventional kernel在原始图像上平移来提取特征，每一个特征是一个feature map。

padding
卷积核kernel在提取featuremap时的动作。
分为SAME和VALID.

• SAME
  取样面积=输入图像的像素宽度 需要全0补充
  卷积后的长宽：
  out length=[in length/stride length]
  out width=[in width/stride width]
  []表示取整
• VALID
  取样面积<输入图像的像素宽度
  卷积后的长宽：
  out length=[（in length - filter length