我的理解是:
在卷积神经网络中,卷积核内的一个卷积核(滤波器)用于提取一个特征(输入数据的一个维度),而输入数据具有多个特征(维度)的话,就会有很多个卷积核,那么在这一层的卷积层中就会有“参数爆炸”的情况。同时,一层中每个卷积核提取特定的特征,忽略了数据的局部相关性。
而参数共享的作用在于,每个特征具有平移不变性,同一个特征可以出现在出现在不同数据的不同位置,可以用同一个卷积核来提取这一特征。而且利用数据的局部相关性,通过权值共享,一个卷积层共享一个卷积核,减少了卷积层上的参数。通过加深神经网络的层数(深度网络),每一层卷积层使用不同的卷积核,从而达到提取尽可能多特征的目的。
欢迎大家指正理解的不足之处。