卷積神經網路是一種前饋網路，它由若干卷積層和池化層組成，在影像處理方面表現十分出色，可應用于影像分類, 目標識別, 目標檢測, 語意分割等等，
一、認識卷積神經網路基本結構
首先準備一個1（通道）x28（寬）x28（高）的張量，通過一個5x5的卷積層得到特征圖C1，至于卷積的程序我們待會再看，之后進行2x2的下采樣（池化層）得到一個通道為4，12x12的特征圖，之后以S1為起點，重復上次步驟，最后得到了S2，即8x4x4的特征圖，之后再進行全連接層，得到我們需要的向量，
問題1：為什么要進行卷積？
因為我們的輸入input和輸出output維度不一致，需要進行卷積來得到我們的目標維度的張量，
問題2：為什么要進行下采樣？
減少資料量，以至于降低運算的需求
二、卷積的運算程序
如圖，我們輸入一個1x5x5（單通道）的張量進行卷積操作，卷積核是3x3的，紅色區域是卷積核在做卷積時的初始位置，這里我們設步長stride=1，就是那個紅色方格每次向右移動一格，移動三次后再從初始位置向下移動一格，然后再向右進行，每次卷積對應相乘，加到一起，如上圖，這樣我們一次遍歷會得到一個3x3的矩陣，如下圖
如果多個通道同時進行，分別進行卷積之后再加到一起，如圖，很清晰，
分析
如圖，剛開始是通道為n，高和寬都為5，經過3x3的卷積，通道不變，寬和高變為3x3，因為前面說了，這一個紅色區域最后卷積成一個數值，左右移動，最后形成一個3x3的張量，然后n個通道在進行卷積相加，通道就變為了1，
三 、下采樣
下采樣就是池化層，分為平均池化和最大池化（未完）
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/326487.html
標籤：其他