卷积为何有效
简单来说,训练CNN在相当意义上是在训练每一个卷积层的滤波器。让这些滤波器对特定的模式有高的激活,以达到CNN网络的分类或检测等目的。 卷积神经网络的第一个卷积层的滤波器用来检测低阶特征,比如边、角、曲线等。随着卷积层的增加,对应滤波器检测的特征就更加复杂。比如第二个卷积层的输入实际上是第一层的输出,这一层的滤波器是用来接触低阶特征的组合等情况(半圆、四边形)等,如此累积,以检测越来越复杂的特征。 所以,在某种意义上,构建卷积神经网络的任务在于构建这些滤波器。也就是,将这些滤波器变成这样(改变滤波器矩阵的值,也就是Weight)---- 能识别特定的特征。这个过程叫做训练。 在训练开始之时,卷积层的滤波器完全是随机的,他们不会有任何特征激活。把一个空白的滤波器,修改其权重(weights)使他能检测特定的模式,整个过程就像工程的反馈机制。
发布日期:2021-09-06 21:40:26
浏览次数:7
分类:技术文章
本文共 594 字,大约阅读时间需要 1 分钟。
要回答卷积为何有效,恐怕大家都要去看看这篇论文《Visualizing and Understanding Convolutional Networks》,它将每个卷积层的输出反卷积然后展示出来,让我们知道每一层的卷积到底是学习到了什么特征。。然后,我去知乎搜了一下关于卷积网络的理解,,看第一名的答案即可。
写在前面的一点,滤波器就是权重。而我们以前全连接网络的权重是隐层的结点(m)和上一层的结点(n)组成的矩阵(mn),这就是不同。转载地址:https://blog.csdn.net/weixin_34273479/article/details/89590189 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!
发表评论
最新留言
路过按个爪印,很不错,赞一个!
[***.219.124.196]2024年04月02日 06时04分25秒
关于作者
喝酒易醉,品茶养心,人生如梦,品茶悟道,何以解忧?唯有杜康!
-- 愿君每日到此一游!
推荐文章
C. Maximal Intersection(贪心)
2019-04-27
JS简单应用... Jquery 作一个抽奖(老婆)机~
2019-04-27
CF1457 D. XOR-gun(猜结论题)
2019-04-27
2021牛客寒假算法基础集训营1 红和蓝(二分图染色)
2019-04-27
P3825 [NOI2017] 游戏(构造2-SAT模型)
2019-04-27
2019牛客国庆集训派对day2 J.Vertex Cover(思维,组合数学算贡献)
2019-04-27
PyPI的注册与模块发布
2019-04-27
Qt工作笔记-列表的分页显示(Qt Widgets框架)
2019-04-27
C++设计模式-模板方法模式
2019-04-27
Spring Boot笔记-发送消息给RabbitMQ
2019-04-27
强烈推荐 20 个免费和开源数据可视化工具
2019-04-27
“失败”的北漂十年,我真的尽力了。。。
2019-04-27
为什么使用 MD5 存储密码非常危险
2019-04-27
美团点评实时数仓实践
2019-04-27
Guava学习之Lists
2019-04-27
安装JUDDI服务器以及发布WSDL:第二部分,发布WSDL
2019-04-27
一文彻底搞懂令人疑惑的Java和JDK的版本命名!
2019-04-27
listview学习之simpleadapter详细介绍
2019-04-27