CNN - 卷积神经网络

例：

 卷积公式：

感受野：单个感觉神经元的感受野是感觉空间的特定区域(如体表或视野)，在这个区域内，刺激会改变神经元的放电。

卷积神经网络的感受野

卷积神经网络的基本结构

卷积神经网络的组成部分

卷积层+ReLU(Convolution)

池化层（Pooling）

全连接层(Full-connected)

卷积层

卷积运算（二维）：

步幅：

如果我们有一个??×??的图像，使用??×??的卷积核进行卷积操作，在进行卷积操作之前我们在图像周围填充??层数据，步幅为s。输出的维度为：

卷积的模式：FULL SAME VALID

Full: 刚开始相交进行卷积
Same：输入和输出保持不变的卷积
Valid: 在图像内进行卷积

深度（卷积核个数）：一个卷积层通常包含多个尺寸一致的卷积核

卷积核参数：可以通过训练得出
浅层卷积层：提取的是图像基本特征，如边缘、方向和纹理等特征
深层卷积层：提取的是图像高阶特征，出现了高层语义模式， 如“车轮”、“人脸”等特征

激活函数

CNN - 卷积神经网络

原文：https://www.cnblogs.com/shona/p/10703644.html