神经网络- filter滤波器size的选择与规律

记录一下filter，也就是用来提取要识别object边缘信息的过滤器的一些规律以及经验：

首先， 大部分卷积神经网络滤波器都会采用逐层递增（1⇒ 3 ⇒ 5 ⇒ 7）的方式。其次，每经过一次池化层，卷积层过滤器的深度都会乘以 2。

提一个知识点，也就是权值共享，每当filter扫过feature map的时候，扫出来的矩阵的参数，在同一个卷积核kenal中， 实现参数共享，参数共享的好处是可以减轻过拟合，和降低计算量。

 

2018/10/12继续总结：
卷积核的大小，往往根据需要训练样本的形状，在整个图片中所占的位置比重，来进行调整，非常看好可变形卷积的发展。

 

转载于:https://www.cnblogs.com/ChrisInsistPy/p/9508945.html