卷积神经网络
输入
不是一个向量而是一个矩阵(甚至是多层的矩阵(h,w,c))
卷积
实则是特征提取,用一个权重参数矩阵对输入矩阵进行计算,内积,即对应位置相乘,得到特征图,长宽会减小(权重参数矩阵的长宽-1)
一般图像颜色通道都是用RGB 3通道 需要对每个通道都进行卷积(权重参数矩阵不一样),算出来后再后续处理,比如加在一起 得到一张特征图
每次卷积不同层所用的卷积核大小必须一致,但是参数可用不一致
然后可用多个卷积进行特征提取,得到多张特征图
卷积层涉及参数
滑动窗口步长,图像任务一般就1
卷积核尺寸,越小则越精细,一般3x3
边缘填充 对图片进行边缘补0,对文本补充到相同长度
卷积核个数
池化层
用于对信息进行压缩
Resnet特征提取残差网络,深层网络得以发展