卷积神经网络

🌞欢迎来到深度学习的世界?
🌈博客主页：卿云阁

💌欢迎关注🎉点赞👍收藏??留言📝

🌟本文由卿云阁原创！

🙏作者水平很有限，如果发现错误，请留言轰炸哦！万分感谢！

---

目录

卷积的作用

整体网络架构

几种经典的网络架构

感受野

---

卷积的作用

卷积网络与传统网络

整体架构：

卷积（特征提取）

图像颜色通道

堆积的卷积层

卷积层涉及到的参数

步长

边界填充

卷积结果的计算

卷积参数共享

池化层

整体网络架构

几种经典的网络架构

Vgg所有卷积大小都是3*3，有16层或者19层

? ? ? 通过前面的学习，我们可能会产生一个认识，网络越深，效果越好，但是如果把Vgg的网络加深，实际的效果可能并不好，这使得深度学习出现了瓶颈，为了解决上述问题，又一个神作诞生了——深度残差网络，值得一提的是这个网络是我们中国人提出来的。

? ? ? ?它的基本思想是，随着网络结构的增加，效果会变差，不可否认的是其中有些网络层的学习效果可能不好，有些可能很好，对于学习效果不错的网络层还可以被利用。为了选择并利用效果好的网络层，Resnet网络加入和一种新的网络叠加方法-残差模块。

残差模块：加深网络的层数，提升模型性能

Resnet网络

感受野

? ? ? 感受野（Receptive Field）的定义：卷积神经网络每一层输出的特征图（feature map）上的像素点映射回输入图像上的区域大小。通俗点的解释是，特征图上一点，相对于原图的大小，也是卷积神经网络特征所能看到输入图像的区域。