卷积神经网络中feature map是什么

个人理解卷积神经网络中feature map的含义

在每个卷积层，数据都是以三维形式存在的。你可以把它看成许多个二维图片叠在一起，其中每一个称为一个feature map。在输入层，如果是灰度图片，那就只有一个feature map；如果是彩色图片，一般就是3个feature map（红绿蓝）。层与层之间会有若干个卷积核（kernel），上一层和每个feature map跟每个卷积核做卷积，都会产生下一层的一个feature map。
在CNN的设定里，Feature Map是卷积核卷出来的,你用各种情况下的卷积核去乘以原图，会得到各种各样的feature map。
个人理解：从多角度去分析图片，不同的特征提取（核）会提取到不同的feature，模型为了达到最优解的目的，来找到能解释现象的最佳的一组卷积核。主要是和卷积核(kernel)区分开，kernel是要算的那个w权重矩阵，而feature map 是输入或者输出。

卷积神经网络中feature map是什么相关推荐

卷积神经网络中feature map的含义
卷积神经网络中feature map的含义在每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起,其中每一个称为一个feature map.在输入层,如果是灰度图片,那就只有一 ...
CNN之性能指标：卷积神经网络中常用的性能指标(IOU/AP/mAP、混淆矩阵)简介、使用方法之详细攻略
CNN之性能指标:卷积神经网络中常用的性能指标(IOU/AP/mAP.混淆矩阵)简介.使用方法之详细攻略目录 CNN中常用的性能指标(IOU/AP/mAP.混淆矩阵)简介 IOU 1.IOU简介 2 ...
2020-12-09 深度学习卷积神经网络中感受野的详细介绍
卷积神经网络中感受野的详细介绍 1. 感受野的概念在卷积神经网络中,感受野(Receptive Field)的定义是卷积神经网络每一层输出的特征图(feature map)上的像素点在输入图片上映射 ...
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 ...
卷积神经网络中卷积核的参数为什么是四个
卷积神经网络的卷积核参数笔者最近在学卷积神经网络,想起来我的某位同学问了我一个问题: 为什么卷积神经网络中卷积核的参数是四个,为什么要把输出output也写入,即为什么与输出有关? 刚开始我也困惑? ...
CNN中feature map、卷积核、卷积核个数、filter、channel的概念解释，以及CNN 学习过程中卷积核更新的理解
feature map.卷积核.卷积核个数.filter.channel的概念解释 feather map的理解在cnn的每个卷积层,数据都是以三维形式存在的.你可以把它看成许多个二维图片叠在一起( ...
卷积神经网络中感受野计算
文章目录前言一.感受野的概念二.感受野的例子三.感受野大小的计算四.计算VGG-16网络每层的感受野前言感受野(receptive field):从CNN可视化的角度来讲,就是输出fea ...
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 ...
卷积神经网络中的参数共享/权重复制
参数共享或权重复制是深度学习中经常被忽略的领域.但是了解这个简单的概念有助于更广泛地理解卷积神经网络的内部.卷积神经网络(cnn)能够使那些通过网络馈送的图像在进行仿射变换时具有不变性. 这个特点提供 ...

卷积神经网络中feature map是什么

卷积神经网络中feature map是什么相关推荐

最新文章

热门文章