卷积层的作用主要是把一些特征做强化,使特征的位置更突出
1.框架理解
输入一个图像A的大小是4*4,经过2*2的卷积B,且步长为1,得到一个(4-2+1)×(4-2+1)=3*3的mapC
每个map是不同卷积核在前一层每个map上进行卷积,并将每个对应位置上的值相加然后再加上一个偏置项。
2.参数理解
layer {
name: "conv2" #该层的名字
type: "Convolution" #该层的类型,说明该层是卷积层
bottom: "pool1" #该层输入数据blob的名字
top: "conv2" #该层输出数据blob的名字
#该层的权值和偏置相关参数
param {
lr_mult: 1 #weight的学习率1,和权值更新相关
}
param {
lr_mult: 2 #bias的学习率2,和权值更新相关
}
convolution_param {
num_output: 50 # 50个输出的map
kernel_size: 5 #卷积核大小为5*5
stride: 1 #卷积步长为1
weight_filler { #权值初始化方式
type: “xavier" #默认为“constant",值全为0,很多时候我们也可以用"xavier"