转自:https://zhuanlan.zhihu.com/p/63174774
1. 卷积
卷积神经网络中的卷积是指定义好卷积核(kernel),并对图像(或者特征图,feature map)进行滑动匹配,即对应位置相乘再相加。其特点就在于能够捕捉局部的空间特征。具体过程如下图所示:
图1-二维卷积过程示例
每一个卷积核对应于一种特征提取的范式,不同的卷积核对应于不同的特征提取器,如下图所示:
图2-卷积特征提取示例
卷积操作的参数包括卷积核大小(kernel size)、步长(stride)以及边缘填充(padding)三个参数。此外对于同一步的卷积操作,可以使用多个卷积核,就能得到多张特征图。
卷积核大小
:即卷积核的尺寸,通常都是正方形。上图中的大小就是3*3;
步长
:卷积过程中每次滑动的距离。如上图中就是步长为1,步长成倍的增加,卷积后的特征大小就会成倍的减小。
边缘填充
:为了在调整卷积后特征的大小,会在边缘填充来补齐,通常填充值为0,且上下左右对称;
卷积后的特征图大小可由下面公式进行计算,这里卷积后尺寸大小为