深度学习2：卷积神经网络

1、二维卷积

1.1　二维卷积运算

引入：一维卷积

二维卷积的计算过程演示

二维卷积一padding

带padding的卷积过程

1.2　二维多通道卷积

2、卷积神经网络

2.1　使用卷积操作提取特征

CNN网络整体结构

卷积层的具体工作过程

多个卷积层

提取特征

2.2　卷积核的分析与计算

2.2.1　卷积操作的参数——步长

2.2.2　卷积操作的参数——填充

2.2.3　特征图体积的计算

输入大小为：W1×H1×D1

需要指定的超参数：filter个数(K)，filter大小(F)，步长(S)，边界填充(P)

输出：

$$W2=(W1-F+2P)/S+1\\ H2=(H1-F+2P)/S+1\\ D2=K$$

2.2.4　权值共享

2.3　池化操作

• 使原始图片的尺寸变小
  

池化的运算

• 通常池化操作是不会重叠的
  • 即size=stride
• 通常使用max-pooling