深度学习【一】卷积神经网络
1. 卷积神经网络的组成:
input 、conv、Relu、pool、FC
输入层、卷积层、**函数、池化层、全连接层
滤波器的深度大小要与上一层图片的深度要一样
2. 卷积的过程:
卷积后图像大小与深度的计算公式:
3. 池化层
一般有max pool 和mean pool
4. 感受野(receptive field)
感受野是卷积神经网络每一层输出的特征图上的像素点在原始图像上映射的区域大小
下图,Map3对应的感受野就是11*11,因为它对应Map2上面是7*7,而Map2对应Map3的区域是11*11