1,卷积核确定需要考虑的问题?
卷积核的尺寸,一般行数和列数相等,而且为了考虑填充padding,在周边补0,所以一般设置为奇数。卷积步长,一般设置为1,也可以设置为其他值。卷积核的值可以自定义,常见有sobel边缘算子矩阵和也可以初始化随机矩阵等。这个了解的不多。
2,卷积神经网络的核心思想?
就是通过自动学习的手段来得到各种 有用的卷积核值。卷积核代表了颜色特征,纹理特征,边缘等特征信息。所以一般设计为多层卷积,就是为了每层的卷积核负责提取不同的特征信息。
3,池化层原理?
特征图像的维数很高,维数高的话不仅计算耗时,而且容易导致过拟合。所以就引入了下采样技术,也称为池化操作。对图像的某一个区域用一个值代替,如取最大值或平均值,分别叫最大池化(因为非线性用的最多)和均值池化。来源于信号处理技术。池化带来的另一个好处是带来一定的平移旋转不变性,因为输出值由图像的一片区域计算得到,所以对小幅度的平移和旋转不敏感。
卷积神经网络笔记(三)
最新推荐文章于 2023-12-14 23:05:13 发布