
CNN网络结构理解
文章平均质量分 89
BigCowPeking
追求卓越,永不放弃
展开
-
CNN结构理解:感受野的计算方式
感受野(receptive field)是怎样一个东西呢,从CNN可视化的角度来讲,就是输出featuremap某个节点的响应对应的输入图像的区域就是感受野。比如我们第一层是一个3*3的卷积核,那么我们经过这个卷积核得到的featuremap中的每个节点都源自这个3*3的卷积核与原图像中3*3的区域做卷积,那么我们就称这个featuremap的节点感受野大小为3*3如果再经过pooling层,假定...转载 2018-02-13 19:35:21 · 470 阅读 · 0 评论 -
CNN网络结构理解:dilated conv扩展卷积理解
1. 扩张卷积Dilated Convolutions,翻译为扩张卷积或空洞卷积。扩张卷积与普通的卷积相比,除了卷积核的大小以外,还有一个扩张率(dilation rate)参数,主要用来表示扩张的大小。扩张卷积与普通卷积的相同点在于,卷积核的大小是一样的,在神经网络中即参数数量不变,区别在于扩张卷积具有更大的感受野。感受野是卷积核在图像上看到的大小,例如3×33×3卷积核的感受野大小为9。2. ...转载 2018-03-23 21:57:22 · 3603 阅读 · 0 评论 -
CNN网络结构理解:感受野计算方法
原文链接:http://www.cnblogs.com/objectDetect/p/5947169.html1 感受野的概念 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(feature map)上的像素点在原始图像上映射的区域大小。 RCNN论文中有一段描述,Alexnet网络pool5输出的特征图上的像素在输入图像上有很大的感受野(have very large...转载 2018-03-29 21:26:54 · 942 阅读 · 0 评论 -
CNN网络结构的理解:反卷积的详细理解
反卷积(Deconvolution)的概念第一次出现是Zeiler在2010年发表的论文Deconvolutional networks中,但是并没有指定反卷积这个名字,反卷积这个术语正式的使用是在其之后的工作中(Adaptive deconvolutional networks for mid and high level feature learning)。随着反卷积在神经网络可视化上的...转载 2018-10-20 13:23:57 · 776 阅读 · 0 评论