1、卷积计算层
输入图像:n*n,过滤器:f*f , 步长:s,padding:p
输出图像大小为:
⌊⌋表示向下取整
•步长:卷积步长s是指过滤器在图像上滑动的距离;
•Padding:卷积运算的缺点是,卷积图像的大小会不断缩小,另外图像的左上角的元素只被一个输出所使用,所以在图像边缘的像素在输出中采用较少,也就意味着你丢掉了很多图像边缘的信息,为了解决这两个问题,就引入了padding操作,也就是在图像卷积操作之前,沿着图像边缘用0进行图像填充。可以保证输出图像和输入图像一样大。
padding的两种模式:
Valid:no padding ---输入图像n*n,过滤器f*f,输出图像大小为:(n−f+1)∗(n−f+1)
Same:---输出图像和输入图像一样大
感受野的定义:在卷积神经网络中,感受野的定义是 卷积神经网络每一层输出的特征图(