名词解释:
- 步长、填充
步长:在卷积操作中,步长指的是滑动卷积核的距离。具体来说,卷积核每次移动的步长就是步长数值。较大的步长可以减小输出特征图的大小,而较小的步长则可以保留更多的信息。
填充:填充指的是向输入特征图的周围添加一圈0值像素或者其他填充方法。这样做的目的通常是为了避免在计算卷积时丢失边缘信息。填充可以增加输出特征图的大小。 - 感受野
感受野指的是某个神经元对应输入图像中的区域大小。通常情况下,随着网络层数的增加,感受野会逐渐扩大。 - 局部感知、权值共享
局部感知指的是卷积核只与输入特征图的一部分进行卷积运算。这种方法可以帮助网络学习到局部特征,从而提高网络的识别准确率并且可以提高运算速度
每个卷积核在进行卷积操作时都共享相同的权值。这种方法可以减少需要学习的参数数量,从而减小模型过拟合的风险。同时权值共享保证平移不变性:图像特征提取不会因为位置的变化而变化。 - 池化(子采样、降采样、汇聚)
池化是一种常用的对特征图进行降维的方法。常见的池化操作有最大池化和平均池化。池化操作通常会减小特征图的空间大小,从而减少计算量同时保留重要特征 - 低级特征、中级特征、高级特征
低级特征指的是与输入图像的低层次结构相关的特征,如边缘和纹理等。
中级特征指的是介于低级特征和高级特征之间的特征,例如形状和轮廓等。
高级特征指的是与输入图像的语义信息相关的特征,例如对象的类别、位置和姿态等。
低级特征->中级特征->高级特征,三者是顺序进行。因为高级特征需要考虑总体的位置关系等,所以需要全连接