【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