卷积神经网络(Convolutional Neural Networks,CNN)
滤波器(过滤器:filter)的权值是根据你要检测的特征来决定的,在深度学习中,也即是
要经过训练得到。检测的特征不同,权值就不一样。
如上单层的图像一般表示的是灰白图,既是没有颜色的,有颜色的 RGB 图像,会包含三
个相同大小的图层,这时对应的滤波器也要变成三层,滤波器的层数(通道数)必须时刻
与图像层数保持一致。。。
因为当一个三通道的过滤器与图像进行卷积时,是直接对 27 个数去加权计算它们的和得
到一个结果,而不是分层计算。
如上两个例子,5*5 的图像经过 3*3 的滤波器得到一个 3*3 的结果,6*6*3d 的图像经过
3*3*3d 的滤波器得到一个 4*4*1d 的结果,从单层的例子我们大概已经知道了是怎么计算
的了,那么接下来转换成公式来表示一下。
由计算可知,每次卷积图像都会变小,以上还只是步长为1 的情况(也即是每次只移动一
个),有两个缺点: