入门卷积神经网学习（二） 池化层

最新推荐文章于 2024-06-08 00:53:09 发布
最新推荐文章于 2024-06-08 00:53:09 发布
阅读量813 收藏
点赞数
文章标签： 卷积
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43789781/article/details/109086904
版权

池化层

我们计算卷积时，会用卷积核滑过特征图的每一个像素。如果特征图的像素很大，那么卷积层的计算量就会很大。所以我们通常在几个卷积层后加一个池化层，以降低特征图的分辨率。

图1代表的最大池化层。
我们将4X4的特征图分为了4部分，而池化后的输出图的取值为4个部分中的最大值。
在这里插入图片描述
图2位平均池化层
也就是池化后的结果是取每部分的平均值。

池化层主要作用

（关于第二点，可以参考下面这个链接：https://www.zhihu.com/question/36686900）
1.就是降维，也就是我们上面所说的降低图片分辨率的操作。
2. invariance(不变性)，这种不变性包括translation(平移)，rotation(旋转)&

最低0.47元/天 解锁文章
Keep self
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
卷积层与池化层
Aliz_
08-04 7万+
构建了最简单的网络之后，是时候再加上卷积和池化了。这篇，虽然我还没开始构思，但我知道，一定是很长的文章。 卷积神经网络（Convolutional Neural Layer, CNN)，除了全连接层以外（有时候也不含全连接层，因为出现了Global average pooling），还包含了卷积层和池化层。卷积层用来提取特征，而池化层可以减少参数数量。 卷积层 先谈一下卷积层的工作原理。...
深度学习：Keras入门(二)之卷积神经网络(CNN)
01-26
卷积神经网络（CNN）是深度学习领域中用于图像处理和计算机视觉任务的重要模型。Keras是一个高级神经网络API，可以方便地构建和训练复杂的CNN模型。本篇将深入介绍Keras中的CNN基本概念和结构。 1. **卷积运算**： ...
卷积神经网络组件之卷积&池化层
skullFang的博客
12-04 2058
前言其实之前使用的bp前馈神经网络就是一个全连接神经网络，现在就是要把它封装成一个层。在卷积神经网络中会使用到。卷积神经网路（CNN）卷积神经网络也是一种前馈神经网络，相对于传统的神经网络，它的人工神经元可以响应一部分覆盖范围内的周围单元，对于大型图像处理有出色表现（摘自维基百科）。 怎么去解释和理解这句话呢？ 之前实现的是一个全连接神经网络，也就是说每个神经元对应一个输入，当前层的输出就是下一
池化层 (Pooling Layer) 原理与代码实例讲解
最新发布
AI大模型应用之禅
06-08 645
池化层 (Pooling Layer) 原理与代码实例讲解 1.背景介绍 在深度学习和计算机视觉领域中,卷积神经网络(CNN)已经成为图像分类、目标检测和语义分割等任务的主流模型。CNN 由多个卷积层和池化层组成,这些层共同构建了一个强大的特征提取器。其中,池化层(Po
神经网络：卷积层和池化层
悠眠小虫的博客
01-13 1914
本文主要是对卷积层和池化层做了详细介绍，同时也说明了两者间的联系，并结合相关代码和实例结果帮助读者进一步理解卷积和池化的作用，逐步理清神经网络的结构层次和原理。
神经网络卷积层以及池化层介绍
kking_edc的博客
09-29 6874
一、二维卷积层 池化层的提出是为了缓解卷积层对位置的过度敏感性。 一、二维最大池化层和平均池化层 同卷积层⼀样，池化层每次对输⼊数据的⼀个固定形状窗⼝（⼜称池化窗⼝）中的元素计算输出。不同于卷积层⾥计算输⼊和核的互相关性，池化层直接计算池化窗⼝内元素的最⼤值或者平均值。该运算也分别叫做最⼤池化或平均池化。在⼆维最⼤池化中，池化窗⼝从输⼊数组的最左上⽅开始，按从左往右、从上往下的顺序，依次在输⼊数组上滑动。当池化窗⼝滑动到某⼀位置时，窗⼝中的输⼊⼦数组的最⼤值即输出数组中相应位置的元素。 下图展示了池化窗口形
深度学习CNN网络--卷积层、池化层、全连接层详解与其参数量计算
LittleRuby的博客
11-29 7379
看Training Curve 以及 Validation Curve，在其他条件理想的情况下，如果Training Accuracy 高， Validation Accuracy 低，也就是过拟合 了，可以尝试去减少层数或者参数。卷积核“滑动”的同时，计算权重矩阵和扫描所得的数据矩阵的乘积，然后把结果汇总成一个输出像素。12的图像，然后通过了一个全连接层用一个12x12x20x100的卷积层去卷积激活函数的输出，最终得到1*100 的向量。全连接层将学到的特征表示映射到样本的标记空间的作用。
卷积神经网络（基础入门PPT）.pdf
11-08
卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习领域中至关重要的一部分，尤其在计算机视觉（CV）和人工智能应用中发挥着关键作用。本篇基础入门PPT为初学者提供了理解这一复杂概念的基石。 ...
零基础入门深度学习(4) - 卷积神经网络1
08-03
本篇“零基础入门深度学习(4) - 卷积神经网络”旨在为初学者提供一个对CNN的基本理解和实践指导。 CNN的特点在于其卷积层和池化层的设计，这些设计有效地解决了全连接神经网络在图像处理中的局限性。全连接网络中，...
卷积神经网络入门到精通微篇
07-31
卷积神经网络包括卷积层和池化层。 卷积神经网络包括一维卷积神经网络、二维卷积神经网络以及三维卷积神经网络。一维卷积神经网络常应用于序列类的数据处理；二维卷积神经网络常应用于图像类文本的识别；三维卷积...
卷积神经网络入门提升教程.rar
10-26
卷积神经网络（Convolutional Neural Networks，简称CNN）是深度学习领域中至关重要的一部分，尤其在图像处理和计算机视觉任务中表现出色。本教程“卷积神经网络入门提升教程”旨在帮助初学者深入理解CNN的基本原理...
全局平均池化层（GLP）
SmartDemo的博客
04-01 1万+
一、全局平均池化 全局平均池化层（GAP）在2013年的《Network In Network》（NIN）中首次提出，于是便风靡各种卷积神经网络。为什么它这么受欢迎呢？ 一般情况下，卷积层用于提取二维数据如图片、视频等的特征，针对于具体任务（分类、回归、图像分割）等，卷积层后续会用到不同类型的网络，拿分类问题举例，最简单的方式就是将卷积网络提取出的特征（feature map）输入到softmax全连接层对应不同的类别。首先，这里的feature map是二维多通道的数据结构，类似于三个通道（红黄...
Network in Network学习笔记
xjz18298268521的博客
12-14 7902
论文:《Network in Network》 概述： 　　此论文是2014年的一篇比较厉害的paper，该论文改进了传统的cnn网络使得网络模型参数很少，也为后续的Googlenet和resnet以及目标检测网络中提出的全卷积共享提供了一个很好的开端，小菜也是在学习主流的深层网络模型的论文时发现许多论文中都有提到NIN这篇论文，所以专门挑了时间看了这篇论文，觉得这篇论文的确不错，论文中的网络整
图卷积神经网络GCN---池化层代表作
青山白云间
04-02 4849
GNN Pooling 文章目录GNN Pooling1 Deep Convolutional Networks on Graph-Structured Data2 Convolutional neural networks on graphs with fast localized spectral filtering3 An End-to-End Deep Learning Architect...
【YOLO3代码详解系列08】平均池化层
小陈说CV的博客
05-23 1077
文章目录1 avgpool_layer.h2 avgpool_layer.c 1 avgpool_layer.h #ifndef AVGPOOL_LAYER_H #define AVGPOOL_LAYER_H #include "image.h" #include "cuda.h" #include "layer.h" #include "network.h" typedef layer avgpool_layer; image get_avgpool_image(avgpool_layer l);
Pytorch----池化层(平均值池化、最大值池化、自适应最大值池化)--入门级小实例（逐行注释）---学习笔记
热门推荐
深度不学习！！的博客
12-07 2万+
文章目录最大值池化层平均值池化层自适应平均值池化层代码实现 还是用[上次的小实例] ，这次加入三种池化层做练习。(https://blog.csdn.net/qq_38737428/article/details/121523145) 我之前以为池化层也叫下采样，但这样说并不严格，只是大家都这么说，我刚知道，其实采样层包含池化层。某种卷积层也叫采样层。 最大值池化层 选择每个小区域的最大值作为特征放到结果矩阵，像下面这样。 maxpool = nn.MaxPool2d(2,stride=2) # 定义池化
最大池化层和平均池化层
qq_45193872的博客
04-20 2万+
参考链接： https://blog.csdn.net/junmuzi/article/details/53206600 https://blog.csdn.net/qq_21190081/article/details/72871704 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 概念： 接触到pooling主要是在用于图像处理的卷积神经网络中，但随着深层神经网络的发展，pooling相关技术在其他领域，其他结构的神经网络中也越来越受关注。 与卷积层类似，池化层运算符由一个固定形
【从零开始学习深度学习】24.神经网络中池化层的作用：最大池化与平均池化
阿旭的博客
12-15 4580
【从零开始学习深度学习】24.神经网络中池化层的作用：最大池化与平均池化
深度学习之卷积神经网络（7）池化层
weixin_43360025的博客
10-02 1777
深度学习之卷积神经网络（7）池化层 在卷积层中，可以通过调节步长参数s实现特征图的高宽成倍缩小，从而降低了网络的参数量。实际上，处理通过设置步长，还有一种专门的网络层可以实现尺寸缩减功能，它就是这里要介绍的池化层（Pooling Layer）。  池化层同样基于局部相关性的思想，通过从局部相关的一组元素中进行采样或信息聚合，从而得到新的元素值。特别地，最大池化层（Max Pooling）从局部相关元素集中选取最大的一个元素值，平均池化层（Average Pooling）从局部相关元素集中计算平均值并返回。以
深度学习必备基础-神经网络与卷积网络-ppt
07-14
深度学习通过卷积层、池化层等组件来捕捉图像的局部特征和空间关系，有效地应对这些挑战。卷积神经网络在图像识别、目标检测、语义分割等领域取得了显著成果，推动了深度学习在现实世界中的广泛应用。 这份PPT深入...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值