CNN学习心得

Convolutional Neural Networks（CNN）

• Convolutional

  • 输入的图像矩阵与卷积核相乘然后取平均值得到一个新的特征值。

  • 图例1

    ​

  • 图例2

    

  • 图例3：使用不同的卷积核得出不同的特征矩阵

    

• Pooling：Shrinking the image stack（池化或下彩样）

  （池化的目的是为了把得到的特征矩阵举行缩小，如：人脸是非常复杂的，由人脸得到的特征矩阵是非常多且复杂的，需要缩小其特征矩阵，缩小后的元素值取特征矩阵中的最大或平均值）

  • Pick a window size (usually 2 or 3)

  • Pick a stride（usually 2）.

  • Walk your window across your filtered images.

  • From each window,take the maximum value.

  • 图例如下：把卷积后的特征矩阵缩小成2*2的矩阵.

• Rectified Linear Units（ReLUs）(修正线性单元)

• 对卷积（convolutional）后的矩阵处理：矩阵中大于0的保留其本身的值，而对于矩阵中等于或则小于0的值则修改成0.
  
  Fully connected layer（全连接层）

• Every value gets a vote （对池化（pooling）后的矩阵元素排成一列）
  
  
  ​

• 整个过程的流程图：