【图解深度学习】卷积神经网络结构组成与解释

文章预览

卷积神经网络是以卷积层为主的深度网路结构，网络结构包括有卷积层、激活层、BN层、池化层、FC层、损失层等。卷积操作是对图像和滤波矩阵做内积（元素相乘再求和）的操作。 1. 卷积层 常见的卷积操作如下： 卷积操作 解释 图解 标准卷积 一般采用3x3、5x5、7x7的卷积核进行卷积操作。 分组卷积 将输入特征图按通道均分为 x 组，然后对每一组进行常规卷积， 最后再进行合并。 空洞卷积 为扩大感受野，在卷积核里面的元素之间插入空格来“膨胀”内核，形成“空洞卷积”（或称膨胀卷积），并用膨胀率参数L表示要扩大内核的范围，即在内核元素之间插入L-1个空格。当L=1时，则内核元素之间没有插入空格，变为标准卷积。 深度可分离卷积 深度可分离卷积包括为逐通道卷积和逐点卷积两个过程。 （通道卷积，2D标准卷积） （逐点卷积，1x1卷积 ………………………………