卷积步长
N×N image,f×f filter,P padding,S stride
卷积结果大小为:[(N+2P-f)/S]+1 × [(N+2P-f)/S]+1
如果结果不是整数,则向下取整
立体卷积
image n×n×nc filter f×f×nc (nc:通道数,需一致)
输出结果大小为:(n-f+1)×(n-f+1)×nc’(nc’:filter数量)
最大池化:如果在过滤器中提取到某个特征,输出保留其最大值。
平均池化:过滤器提取到的特征区域,输出保留平均值。
input:Nh×Nw×Nc
output:[(Nh+2P-f)/S+1] × [(Nw+2P-f)/S+1]×Nc
池化层是神经网络中的一个静态属性。
神经网络常见的模式:conv1-pool1-conv2-pool2-FC-FC-FC-Softmax
卷积层优势:参数共享和稀疏连接。(减少参数)