二、卷积的整体架构

二、卷积的整体架构_第1张图片 图一        CNN整体架构图

对上图中的整体架构图进行标号,分为图1到图8对其进行命名

图1到图2:采用卷积核对图一进行扫描,得到图2的第一层,再采用第二个卷积核扫描图一得到图二的第三层,以此类推。注意:采用卷积加激活函数不会改变原有图像的size,只会增加通道数

图2到图3:利用一个池化层,加强特征提取。注意:会改变原始特征层(图二)的size,不会改变通道数。

图3到图4:重复卷积核加激活函数的操作,增加通道数,加强特征提取

图4到图5:对特征层进行池化处理

图5到图7:是一个全连接层,将最后的输出与全部特征链接,我们要使用全部的特征,为最后的分类做出决策

图7到图8:利用全部的特征,进行分类输出

你可能感兴趣的:(teng的深度学习,cnn,深度学习,人工智能)