0、引言
PS:本人初学,技术菜的抠脚,本博客仅对学习过程中遇到的知识点进行总结,如有错误,还望指出,谢谢。
本博文所有图片截取于参考资料所提及资料(无法保证图片是参考资料原创)
常见的卷积神经网络架构图如下所示
输入层:指的神经网络的输入,如下图所示的图像分类神经网络,输入层一般为一张图片的像素矩阵。
卷积层:可将其视为一个***滤波矩阵***,这个矩阵被称为卷积核,并通过一定的规则遍历、计算输入层。
1、卷积
1.1、卷积参数
卷积核(kernel):常见的有3x3、5x5等。(下图为3x3)
步长(stride):卷积核遍历整个输入层时所采用的像素值(下图为步长1)
填充(padding):对于需要遍历的图像,如对边界不填充,只对输入像素卷积,则会造成输出特征图的尺寸小于输入特征图的尺寸。如果对边界补0,则可以保持输入输出一致。
通道(channel):指卷积层的通道数,一张彩色图片一般为3通道。
1.2、卷积计算
下图1展示的是未加入激活函数的卷积计算(示例所采用3x3卷积核)