卷积神经网络中各层的作用
一个完整的神经网络模型往往包含卷积层、池化层、全连接层、输出层。但是各层的具体作用与含义,有时候我自己也搞不明白,这里找到了相关的资料,简单记录一下,希望对相关的同学有所帮助。
1.卷积层
卷积层特征图的神经元通过一组滤波器或权值矩阵与前一层特征图上的部分神经元相连,局部连接的区域又称为接受域。接收阈上的神经元与权值矩阵卷积之后,经过非线性激励生成本层的特征图,并作为下一层的输入。卷积时,同一个特征图上的所有接受域共享一组权值矩阵,称为权值共享。同一层网络的不同特征图使用不同权值矩阵,特征图的个数也可以理解为通道数。每一组权值矩阵检测输入数据特定的特征,因此,每一个特征图表达了前一层不同位置的特定特定特征。局部连接与权值共享的优点之一大大减少了网络的自由参数,一定程度上避免了网络过拟合,同时减小存储容量。这种卷积结构的依据是图像数据的空间相关性及其目标特征的位移不变性。换句话说,如果一个特征图出现在图像的某一部分,那它同样可以出现在其他任意位置。这也就解释了为什么不同位置的神经元共享权值矩阵去检测图像的特征。
2.池化层
池化层的作用是对卷积层检测的相同特征进行融合。将卷积层每一个特征图划分为若干局部切片,池化函数计算每个切片的统计特征。池化层特征图的数量和卷积层相同。常用的两种池化方式是最大值池化和平均池化,即取切片的最大值或平均值作为池化层特征图的输入。因此,池化层又称为下采样层。除了降低特征图的维度,池化对特征小范围的位移以及畸变具有不变性。当焦点是特征本身而非其所在位置时,位移不变性时很好的特性。
3.全连接层
卷积神经网络的顶端通常包含一层或多层全连接层。与卷积层不同,全连接层的神经元排成一列,这些神经元与前一层神经元通过权值互连,呈全连接结构。全连接层的层数以及每层神经元数并不固定。通常层数越高,神经元数目越少。
4.输出层
经过多层特征提取后,最后一层输出层可视为分类器,预测输入样本的类别。
注:文章摘选自《合成孔径雷达智能解译》徐丰著
卷积神经网络中各层的作用相关推荐
- python 神经网络中隐藏层的作用是什么?
引用文章1: hidden layer隐藏层的自我理解 https://blog.csdn.net/c45449210/article/details/82957455 引用文章2: 对隐藏层的简单理 ...
- 神经网络中隐藏层的作用,深度神经网络隐藏层数
神经网络隐藏层是什么 一个神经网络包括有多个神经元"层",输入层.隐藏层及输出层.输入层负责接收输入及分发到隐藏层(因为用户看不见这些层,所以见做隐藏层). 这些隐藏层负责所需的计 ...
- 卷积层和全连接层的区别_卷积神经网络中全连接层作用理解总结
前言 一般来说,卷积神经网络会有三种类型的隐藏层--卷积层.池化层.全连接层.卷积层和池化层比较好理解,主要很多教程也会解释. • 卷积层(Convolutional layer)主要是用一个采样器 ...
- 【TensorFlow】TensorFlow从浅入深系列之十二 -- 教你深入理解卷积神经网络中的池化层
本文是<TensorFlow从浅入深>系列之第12篇 TensorFlow从浅入深系列之一 -- 教你如何设置学习率(指数衰减法) TensorFlow从浅入深系列之二 -- 教你通过思维 ...
- 深入学习卷积神经网络中卷积层和池化层的意义(转)
为什么要使用卷积呢? 在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量:需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用 ...
- 卷积神经网络中各个卷积层的设置及输出大小计算的详细讲解
我将从以下几个方面来进行解说: 1.卷积神经网络的结构 2.卷积神经网络的计算 3.以AlexNet为例进行详细讲解 4.常见的两个卷积层设置的问题 1.卷积神经网络的结构 卷积神经网络(CNN)由输 ...
- 深入学习卷积神经网络中卷积层和池化层的意义
为什么要使用卷积呢? 在传统的神经网络中,比如多层感知机(MLP),其输入通常是一个特征向量:需要人工设计特征,然后将这些特征计算的值组成特征向量,在过去几十年的经验来看,人工找到的特征并不是怎么好用 ...
- 对卷积神经网络中卷积层、激活层、池化层、全连接层的理解
文章目录 卷积神经网络 输入层 卷积层 激励层 池化层 全连接层 卷积神经网络 举一个卷积神经网络识别汽车的例子如下: 其中数据输入的是一张图片(输入层),CONV表示卷积层,RELU表示激励层,PO ...
- 【TensorFlow】TensorFlow从浅入深系列之十一 -- 教你深入理解卷积神经网络中的卷积层
本文是<TensorFlow从浅入深>系列之第11篇 TensorFlow从浅入深系列之一 -- 教你如何设置学习率(指数衰减法) TensorFlow从浅入深系列之二 -- 教你通过思维 ...
最新文章
- 谷歌放弃python-老大离开Google,去了Dropbox
- 利用TaskCompletionSource将EAP转换成TAP
- 3.2 神经网络表示-深度学习-Stanford吴恩达教授
- authenticationstring mysql_mysql5.7 的 user表的密码字段从 password 变成了 authentication_string...
- you aren‘t using a compiler supported by lombok, so lombok will not work and
- 借助opencv将unsigned char数组显示为图像
- 线性结构 —— 差分数组
- sklearn网格搜索GridSearchCV得到各个评价指标的均值与方差
- Python之网络编程(socket基础)
- 删除下拉框只找23火星软件_下拉推广选择23火星软件
- 计算机图标ps教程视频,PS制作腾讯视频标志 -电脑资料
- ubuntu 查询cpu个数
- 把一个web项目改名后复制,再把改名后的web项目发布到tomcat,访问出现404错误的解决办法
- javaWeb基于SSM框架学生信息管理系统项目完整源码附带部署教程
- 运动目标检测之关键帧提取、二帧差法及三帧差法
- 对角安装的双舵轮AGV运动学核心算法
- 逻辑面试题:猴子搬香蕉
- 100 offer:为什么你不需要做一名全栈工程师?
- react 下载 excel 文件
- Getting Real ——把握现实