MobileNets

二、三维卷积

大部分图像不只想灰度图像只有一层数值阵列，更多的是在RGB三个通道有着三层数值阵列。所以可以抽象为6*6*3：

那么filter为了提取三个通道的综合特征，也必须为3*3*3：

卷积计算则变成对应维度的3*3与6*6相应数值相乘，最后不是9个数字相加，而是三个维度的对应27个数字相加。在步长为1且不填充下，同样得到4*4*1的数值阵列。

 

如果想要得到多个特征，则需要增加3*3*3的filter数量。若用2个3*3*3的filter对原数据进行卷积运算，则结果为4*4*2。

三、池化层

 池化可以使数据减少展示量提高运算速度，并是特征检测变得强大。

假设输入4*4原数据，步长为2，则会将原始数据分为4部分，对每部分做相应的操作得到2*2的池化层。

 ====>

假设对每部分做取最大值的操作，则叫做最大值池化

假设对每部分做取均值的操作，则叫做均值池化