美文网首页
[cs231n]Lecture 5: Convolutional

[cs231n]Lecture 5: Convolutional

作者: csuhan | 来源:发表于2019-01-03 02:20 被阅读0次

CNN卷积、池化

第一篇系统阐述CNN的文章
CNN第一次取得重大突破

全连接层将图像展开为以为向量


FUll Connected Layer

卷积层则保留图像空间结构


卷积层
通过不同的filter,生成不同的activation
maps
卷积层

因此可以认为卷积网络是一系列卷积层组成的,伴随着激活函数的网络结构。
随着卷积、池化的进行,前面的层学习到Low-level features,而高层次的层则学习到High-level features


Weight可视化特征图
一个过滤器生成一个激活特征图,他们对应着不同的特征。
过滤器可视化
卷积网络组成

卷积的计算方式:



N:图像宽度
F:过滤器大小
stride:步长

但是在实践中,为了防止图像逐渐变小,特征丢失的情况,我们通常在边缘补零,此时
N1 = N+2*padding

例题

计算其参数个数:(5*5*3+1)*10=760
其中,每个过滤器有5*5*3即W和1个b,即Wx+b,共10个filter,则有760个参数

ConvLayer参数

池化层:即降采样,例如Max Pooling
全连接层:在最后一层网络,将特征图展开为一维向量,然后传入到分类器如softmax


Summary

相关文章

网友评论

      本文标题:[cs231n]Lecture 5: Convolutional

      本文链接:https://www.haomeiwen.com/subject/cqkfjxtx.html