卷积神经网络简介
卷积运算
- 密集连层:从输入特征空间中学到的是全局模式
- 卷积层:局部模式
卷积神经网络具有以下两个特性:
- 学到的模式具有 平移不变性
- 可以学到 模式的空间层次结构
卷积由以下两个关键参数定义:
- 从输入中提取的图块尺寸
- 输出特征图的深度:卷积所计算的过滤器的数量。
输出的宽度和高度可能与输入的不同,原因:
- 边界效应,可通过对输入特征图进行填充来抵消
- 使用了 步幅
最大池化运算
作用:对特征图进行下采样,与步进卷积类似。
原因:
- 减少需要处理的特征图的元素个数
- 通过让连续卷积层的观察窗口越来越大从而引入空间过滤器的层级结构
在小型数据集上从头开始训练一个卷积神经网络
- 数据增强