卷积

卷积
yt=m∑k=1wk⋅xt−k+1
一幅图像在经过卷积操作后得到结果称为特征映射(Feature Map)。
互相关和卷积的区别在于卷积核仅仅是否进行翻转。
卷积层的神经元数量

神经元数量
卷积神经网络
卷积层

第 l 层神经元数量
n(l)=n(l−1)−m+1

卷积层

卷积层的参数数量
典型的卷积网络结构

典型的卷积网络结构
几种典型的卷积神经网络
Inception 网络
一个卷积层包含多个不同大小的卷积操作,称为 Inception 模块。
Inception 模块同时使用 1×1、3×3、5×5 等不同大小的卷积核,并将得到的特征映射在深度上拼接(堆叠)起来作为输出特征映射。
Inception 模块在进行 3×3、5×5 的卷积之前、3×3的最大汇聚之后,进行一次 1×1 的卷积来减少特征映射的深度。如果输入特征映射 之间存在冗余信息,1×1的卷积相当于先进行一次特征抽取。
ResNet
h(x)=x+(h(x)−x)
让非线性单元 f(x,θ) 去近似残差函数h(x)−x
其他卷积方式
转置卷积:用小图片和大卷积核生成特征映射,将低维特征映射到高维特征
微步卷积:给图片插入 0
空洞卷积:给卷积核插入 0
v1.5.2