卷积(图)

[any86]

如何理解卷积神经网络（CNN）中的卷积和池化？ - 量子位的回答 - 知乎 https://www.zhihu.com/question/49376084/answer/712089980

[any86]

如下所示的两步数学运算：

对卷积过滤器和输入矩阵切片执行元素级乘法。（输入矩阵切片与卷积过滤器具有相同的等级和大小。） 对生成的积矩阵中的所有值求和。 以下面的 5x5 输入矩阵为例：

现在，以下面这个 2x2 卷积过滤器为例：

每个卷积运算都涉及一个 2x2 输入矩阵切片。例如，假设我们使用输入矩阵左上角的 2x2 切片。这样一来，对此切片进行卷积运算将如下所示：

卷积层由一系列卷积运算组成，每个卷积运算都针对不同的输入矩阵切片。

[any86]

卷积有助于我们找到特定的局部图像特征（如边缘），用在后面的网络中。

[any86]

深度神经网络的一个层，卷积过滤器会在其中传递输入矩阵。以下面的 3x3 卷积过滤器为例：

下面的动画显示了一个由 9 个卷积运算（涉及 5x5 输入矩阵）组成的卷积层。请注意，每个卷积运算都涉及一个不同的 3x3 输入矩阵切片。由此产生的 3×3 矩阵（右侧）就包含 9 个卷积运算的结果：

[any86]

一种神经网络，其中至少有一层为卷积层。典型的卷积神经网络包含以下几层的组合：

卷积层 池化层 密集层 卷积神经网络在解决某些类型的问题（如图像识别）上取得了巨大成功。