1.什么是感受野？ 卷積神經網絡 各輸出層每個像素點在原始圖像上的映射區域大小 下圖是感受野示意圖 如果對這個5x5的原始輸入圖片，用黃色的3x3卷積核作用，會輸出一個3x3的輸出特征圖，這個輸出特征圖上的每個像素點映射到原始的圖片是3x3的區域 ...

分類任務 CNN對於常見的分類任務，基本是一個魯棒且有效的方法。例如，做物體分類的話，入門級別的做法就是利用caffe提供的alexnet的模型，然后把輸出的全連接層稍稍修改稱為自己想要的類別數，然后再根據實際需要修改網絡模型（通常是瘦身）。下面記錄幾個point。 關於crop 一般在訓練 ...

每個卷積核具有長、寬、深三個維度。 卷積核的長、寬都是人為指定的，長X寬也被稱為卷積核的尺寸，常用的尺寸為3X3，5X5等；卷積核的深度與當前圖像的深度（feather map的張數）相同，所以指定卷積核時，只需指定其長和寬兩個參數。 例如，在原始圖像層 （輸入層），如果圖像是灰度圖像 ...

構建了最簡單的網絡之后，是時候再加上卷積和池化了。這篇，雖然我還沒開始構思，但我知道，一 ...

卷積神經網絡是在BP神經網絡的改進，與BP類似，都采用了前向傳播計算輸出值，反向傳播調整權重和偏置；CNN與標准的BP最大的不同是：CNN中相鄰層之間的神經單元並不是全連接，而是部分連接，也就是某個神經單元的感知區域來自於上層的部分神經單元，而不是像BP那樣與所有的神經單元相連接。CNN ...

常規的神經網絡連接結構如下  當網絡訓練完成, 在推導的時候為了加速運算, 通常將卷積層和 batch-norm 層融合, 原理如下 \[\begin{align*} y_{conv} &= w \cdot x + b \\ y_{bn} &= \gamma ...

1. 卷積層（Convolution Layer）：由若干個卷積核f（filter）和偏移值b組成，（這里的卷積核相當於權值矩陣），卷積核與輸入圖片進行點積和累加可以得到一張feature map。 卷積層的特征： （1）網絡局部連接：卷積核每一次僅作用於圖片的局部 （2）卷積核權值共享 ...

值得再度好多遍：https://www.cnblogs.com/wj-1314/p/9593364.html 摘抄自‘ 戰爭熱誠’ 的博文 權值共享： 下圖左：如果我們有1000x1000像素的圖像，有1百萬個隱層神經元，那么他們全連接的話（每個隱層神經元都連接圖像的每一個 ...