卷积神经网络CNN中的几个重要概念

1. 滤波器 Filter

在卷积层中,需要用到滤波器去和图像中的一块进行运算。这个概念可以参考通俗易懂理解卷积神经网络CNN,下面给出卷积的动态图:
卷积动态图
图中灰色的3*3矩阵就是一个filter,它正在图像矩阵上滑动来对图像上不同部分进行聚焦。卷积操作中,一般会有多于一个filter,因为每一个filter会获取一个方面的特征。比如在识别小狗的图像时,需要一个filter去获取颜色,还有一个去获取形状,还有其他的一些特征。但是这些东西的可解释性并不好,也就是说你设计了一个filter让它去获取想要的特征,但你并不知道这个filter获取的特征是什么。总之,filter是获取了它自身认为重要的特征(这个其实是filter矩阵中的每一个值决定的)。

filter滑动的间隔叫做步长stride,在我们这个图里面,步长为1,每次移动一个单元格。

还需要注意的就是,如果输入数据不是二维的,比如彩色图像是三维的,那么filter也是有深度的,而且深度和输入数据维度相同。

为什么要用卷积这个操作呢?
在普通网络中,我们把输入图片中的每一个像素与下一层的神经元相连。但是图片中相邻像素在一起是有原因的,并且有着特殊意义,但普通网络没有有效利用好这些信息。

2. Feature Map

每种filter去卷积图像就得到对图像的不同特征的放映,称之为Feature Map。所以有多少种filter就有多少个Feature Map。

一般在卷积层之后会连接一个非线性的激活函数,例如:sigmoid, tanh,

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值