weixin_45004667的博客

原创 2020-11-09 卷积核&&池化

卷积神经网络CNN中的卷积核与池化 1.深度学习：可以在不同的层数来提取不同的尺度或者不同的层级的特征信息。 2.卷积核：如果经过大量的图片作为数据集，最终卷积核会训练成待提取的特征，此时卷集合与新的图像做卷积操作，符合卷积核特征的部分得到的结果也比较大，经过激活函数传递给下一层，所以可以比较好的表征区域符合特征的程度。用相同的卷积核对整幅图片进行一个卷积操作，相当于对图像进行全图滤波，选出图片上所有符合这个卷积核的特征。例如一个卷积核的特征是提取边缘，经过卷积（全图滤波），即将图像各个位置的边缘都选择出来