原创2024/6/1大约 3 分钟
Convolutional Neutral Network（卷积神经网络）
局部连接：
CNN 不是每个神经元都连全图（像 MLP 那样），而是只看小块区域（比如 3×3）
权重共享：
整个图上，这个卷积核在每个区域滑动时 用的都是同一套参数
- 在CNN里面，通常输入的张量维度会很大，在进行识别类别的时候，只需要让每个Neutral去负责自己的Receptive field，从而识别特征，不需要看整张图片
- 卷积神经网络(CNN)训练的核心就是学习滤波器(filter)中的参数数值
Fully Connected Layer（全连接层）
- 层中的每个神经元都与前一层的所有神经元相连接
- 每个神经元有独立的权重参数
- 通常用于网络末端进行分类或回归
- 参数多，更容易过拟合
Receptive field（感受野）
CNN中的每个神经元只连接到输入图像的一个局部区域（而不是整个输入），这个局部区域就是该神经元的感受野
感受野大小可以不一，可以只考虑某些channel
彼此之间可以重叠，可以学习到图像中的所有特征
一个感受野可以由多个神经元学习
Typical Setting
Description of Receptive field：
- kernel size（卷积核）：用于执行卷积操作的滤波器（或称为卷积核）
- 常见大小：3x3，更大的卷积核可以学习到更多的特征，获得更大的感受野，但也会提高计算成本
- stride（步长）：步长 ，包括横向步长和纵向步长
- 步长一般设置为1或2，需要注意的是图像可以重叠学习，即当步长小于卷积核尺寸时，卷积操作会在输入上产生重叠，这有助于学习更丰富的特征表示
- **padding（**补丁）：当感受野（卷积核）超出图像范围，需要对超出范围进行参数补充，称为padding
- 输出尺寸计算：
Parameter Sharing
负责不同感受野的不同神经元的参数完全一致
- 共享参数，使得计算成本低，防止OverFitting
Typical Setting
- 一个感受野会由多个神经元负责学习
- 不同感受野的同组神经元参数一致
Tensor（张量）
- 张量是多维矩阵
- 一张图片可以由三维张量表示
- 两个维度是图片长和宽
- 还有一个维度是图片的Channels（通道），可以理解为RGB通道，即三原色
Convolutional Layer（卷积层）
- 一层卷积层有多个Filter（卷积核）
- 不同的卷积核会在同一个感受野上进行学习
- 不同的卷积核学习不同的特征
- 最后这层卷积层的输出是一个Feature Map，是三维张量
- Feature Map是三维张量是因为不同的Filter学习了不同的特征，一个特征对应一个通道，即通道数直接等于Filter的数量（每个Filter贡献一个通道）
Pooling（池化）——MaxpPooling
没有要学习的参数！！！
- 池化一般在卷积之后进行，是为了让图片变得更小，易于处理，减少运算量
- 一般是几次Convolution之后做一次Pooling
Flatten（展平）
无需要学习的参数
将多维输入数据转换为一维向量
常用于连接**卷积层（CNN）和全连接层（FC）**之间的过渡
The Whole CNN
