一张图理解卷积神经网络卷积层和感受野
2016-11-20 15:16
288 查看
局部关联：每个像素点和她周边的点广联大（图像连续）
形象地说，左边是32*32*3的图像，我们让五个小朋友分别看，右边的12345小盆友分别关注图像的颜色，轮廓，纹理等等信息。
五个小朋友对应五个神经元，也叫filter，每个小盆友视野有限，每次只看一小块，慢慢滑动直到看完，那么左图中的小块叫感受野（receptive field）。
每个小朋友看完一张图得到一张图，五个人得出五张，即depth是5，即神经元个数
列如：
每个卷积小盆友个数分别为96,256,384,384,265，组合出来效果最好而来
内容来自用户分享和网络整理，不保证内容的准确性，如有侵权内容，可联系管理员处理 
相关文章推荐
- 卷积神经网络、卷积核weights、位深转变 的理解
- dilated conv带孔卷积、pooling层提高感受野 反卷积 的理解
- 对卷积神经网络中1*1 卷积的理解
- Multi-Scale Context Aggregation by Dilated Convolution 对空洞卷积（扩张卷积）、感受野的理解
- 一张图理解卷积层的参数共享
- 卷积神经网络中卷积的理解
- 如何理解卷积神经网络中的1*1卷积
- 卷积神经网络中卷积概念的理解
- 卷积神经网络传播过程中感受野的理解以及feature map size 、receptive field size的计算（代码）
- 如何理解卷积神经网络中的1*1卷积
- （CNN）卷积神经网络（三）-理解卷积操作
- 可视化理解卷积神经网络 - 反卷积网络 - 没看懂
- 一张图让你详细理解Group By的分组聚合过程
- 吴恩达卷积神经网络笔记（2）—深度卷积网络:实例研究
- 一张图解决一道笔试题 --- 理解fork函数
- 一张图理解用户、角色、权限设计，终极版～
- 深度学习（三十九）可视化理解卷积神经网络(2.0)
- 4用于cifar10的卷积神经网络-4.17cifar10卷积网络在不同激活函数下的性能分析
- javascript紧接上一张for循环的问题，我自己的理解
- 整理：卷积的直观理解、物理意义与本质（一）