深度学习问题系列三

最新推荐文章于 2022-06-05 11:02:34 发布

小葵向前冲

最新推荐文章于 2022-06-05 11:02:34 发布

阅读量204

点赞数

分类专栏：深度学习文章标签：卷积神经网络深度学习卷积神经网络

本文链接：https://blog.csdn.net/weixin_44177594/article/details/115580834

版权

10 篇文章 0 订阅

订阅专栏

在这里插入图片描述

卷积神经网络一般是由卷积层、汇聚层和全连接层交叉堆叠而成的前馈神经网络。

第一部分：输入层

第二部分：卷积层、池化层（做二次抽样）、flatten层（多维的输入一维化）、激活函数（ReLU）组合而成

第三部分由一个全连结的多层感知机分类器构成。

希望得到的特征图谱个数（P）、每一个特征图谱映射需要D个卷积核以及一个偏置。每个卷积核的大小为U * V
最后需要 P * D*(U*C)+P个参数。

卷积核的大小、卷积核的个数、特征图谱的个数
此外还有

卷积核的滑动步长和零填充来增加卷积的多样性，可以更灵活地进行特征抽取。

普通卷积
-连续紧密的矩阵形式可以提取图像区域中相邻像素之间的关联性
转置卷积
-转置卷积是先对原始特征矩阵进行填充使其维度扩大到目标输出维度，然后进行普通的卷积操作的过程
扩张卷积（带孔卷积或空洞卷积）
-扩展率(Dilation Rate)的参数，使得同样尺寸的卷积核可以获得更大的感受野，相应的在相同感受视野的前提下比普通卷积采用更少的参数

在这里插入图片描述

卷积层的作用是提取一个局部区域的特征，不同的卷积核相当于不同的特征提取器，得到特征图谱。
池化层（Pooling Layer）也叫子采样层（Subsampling Layer），其作用是进行特征选择，降低特征数量，从而减少参数数量。在卷积层之后加上一个汇聚层，从而降低特征维数，避免过拟合

包括5个卷积层、3个汇聚层和3个全连接层
（其中最后一层是使用 Softmax 函数的输出层）
在这里插入图片描述

VGG-16的这个数字16，就是指在这个网络中包含16个卷积层和全连接层
在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

关注