卷积网络的学习（卷积核，通道，padding，stride等概念）

1 卷积网络的核心是：可以约减不必要的权值连接，引入稀疏或局部连接，带来权值共享策略大大地减少参数量相对的提升了数据量，从而可以避免过拟合；

具有平移不变性=鲁棒性较好。

优势：参数共享与稀疏连接，可以用更小的训练集来训练它，以便避免过拟合；

由于卷积特性，即使图片平移几个像素，其中依然具有非常相似的特征，同样属于相同的输出标记。

卷积操作的示意图如下：

卷积参数：stride：指的是窗口从当前位置到下一个位置，跳过的中间数据个数

stride:

zero padding：将原始数据的周边补上0值的圈数。

zero padding：valid convolutions, same convolutions, full convolutions(https://blog.csdn.net/leviopku/article/details/80327478)

卷积输出维度：

卷积中的通道channel

注意：channel就是叠加的3个三个黄色的卷积，最后的得到的是4X4X1，其中一个单元中的值是三个通道分别运算后得到的27个数相加

卷积中的卷积核kernel

下图有两个3X3X3的卷积核，分别对图像进行垂直和水平检测，对应的输出为4X4X2

一层卷积网路实例

设输入为a[0]6X6X3：经过卷积网络得到a[1]4X4X2，a[1]其实是原来图片a[0]的水平特征和垂直特征的提取共计4X4X2个特征，如果想提取更多特征就设置多个卷积核

卷积网络中参数的总结

卷积网络（分类任务举例）：卷积网络通常包括三层：CONV卷积层，POOL池化层，FC全连接层，下面这个例子是卷积层。后面会更新介绍另外两个

最后分类函数：logical识别有没有猫，softmax识别n种动物中的一种

最后一步是用分类函数处理7X7X40=1960个数据，

2 POOL池化层卷积之后进行池化操作：可以降低空间维度，减少计算量，刻画平移不变特性，增加提取特征的鲁棒性；可以约减下一层的输入维度（最大池化，平均池化，范数池化，对数概率池化以及空域金字塔池化，其中空域金字塔池化能够将任何尺度的图像的卷积特征转化成相同维度）

max pooling

把4X4区域看成某些特征的集合，数字大的可能是提取了某个特征。池化的参数没有什么可学习的，一旦确定了参数，它就是一个固定运算。

卷积层输出大小的公式依然适用于单个池化输出大小的计算

3 FC全连接层

4 激活函数：非线性操作，通过弯曲或扭曲实现表征能力的提升

5 批量归一化：优化操作，减少训练过程中的不稳定性

卷积网络类型：分类网络——LeNet5 回答what；目标检测网络——faster R-CNN 回答where

6 卷积网络举例：可用于特征学习

举个栗子：

各层参数（也许与上面那个栗子不太对应）

卷及网络实训举例：

卷积网络的学习（卷积核，通道，padding，stride等概念）相关推荐

【论文翻译】HCGN：面向集体分类的异构图卷积网络深度学习模型
HCGN:面向集体分类的异构图卷积网络深度学习模型摘要集合分类是研究网络数据的一项重要技术,旨在利用一组具有复杂依赖关系的互联实体的标签自相关性.随着各种异构信息网络的出现,集合分类目前正面临着来 ...
关系抽取：图卷积网络的学习（二）（附代码）
关系抽取:图卷积网络的学习(二)(附代码) 目录关系抽取:图卷积网络的学习(二)(附代码) 论文一:基于关系图的实体关系联合抽取摘要 1.Introduction 2.Motivation 3.G ...
1.7 单层卷积网络-深度学习第四课《卷积神经网络》-Stanford吴恩达教授
←上一篇 ↓↑ 下一篇→ 1.6 三维卷积回到目录 1.8 简单卷积网络示例单层卷积网络 (One Layer of a Convolutional Network) 今天我们要讲的是如何构建卷积 ...
谷歌EfficientNet高效卷积网络的学习和使用
文章目录 0 引言 1 论文学习 1.1 摘要 1.2 介绍 1.3 相关工作 1.3 复合模型扩展 1.3.1 问题公式化 1.3.2 扩展维度 1.3.3 复合比例 1.4 EfficientNe ...
ProteinGCN | 使用图卷积网络表示学习蛋白质结构
作者 | 周密指导 |闵小平(厦门大学) 对蛋白质结构模型准确性局部(单残基)和全局(整个结构)的预测是许多蛋白质建模应用程序中必不可少的步骤.随着最近深度学习技术的发展,单模型质量评估的方法也已经 ...
亚像素卷积网络(ESPCN)学习与Pytorch复现
论文内容论文地址:Real-Time Single Image and Video Super-Resolution Using an Efficient Sub-Pixel Convolution ...
ECCV 2022 | 超越MobileViT！EdgeFormer：学习ViT来改进轻量级卷积网络
点击下方卡片,关注"CVer"公众号 AI/CV重磅干货,第一时间送达点击进入-> CV 微信技术交流群转载自:CV技术指南前言本文主要探究了轻量模型的设计.通过使用 ...
用于主动学习的顺序图卷积网络（论文解读）
文章目录前言介绍 Abstract Introduction Framework Related Works 基于模型的方法在主动学习的GCNs 基于不确定性的方法基于几何的方法 Method ...
图像分类经典卷积神经网络—ZFNet论文翻译（中英文对照版）—Visualizing and Understanding Convolutional Networks(可视化和理解卷积网络)
图像分类经典论文翻译汇总:[翻译汇总] 翻译pdf文件下载:[下载地址] 此版为中英文对照版,纯中文版请稳步:[ZFNet纯中文版] Visualizing and Understanding Con ...

卷积网络的学习（卷积核，通道，padding，stride等概念）

卷积网络的学习（卷积核，通道，padding，stride等概念）相关推荐

最新文章

热门文章