卷積神經網絡由卷積核來提取特徵,通過池化層對顯著特徵進行提取,經過多次的堆疊,得到比較高級的特徵,最後可以用分類器來分類。
CNN整個的計算過程,最重要的有兩點:組合性和局部不變性(平移、旋轉、尺度放縮)。
組合性:
每個卷積核可以看做某種特徵的提取器。所謂組合性就是將卷積核提取的一些簡單特徵進行組合,得到更高級的特徵。比如圖像的人臉分類:
第一個卷積層,可能只是從原始圖像像素中學習到一些邊緣特徵,第二個卷積層可以從這些邊緣特徵中探測到簡單的形狀特徵,然後接下來的卷積層,就可以用這些簡單的形狀特徵探測到更高級的特徵。比如人臉的形狀。
局部不變性:
所謂局部不變性,比如圖像,就是圖像經過簡單的平移、旋轉、尺度放縮,池化層在相同的位置依舊可以提取到相同的特徵。這是池化層完成的任務。
(1)平移不變性:
假設有一個16x16的圖片,裏面有個數字1,我們需要識別出來,這個數字1可能寫的偏左一點(圖1),這個數字1可能偏右一點(圖2),圖1到圖2相當於向右平移了一個單位,但是圖1和圖2經過max pooling之後它們都變成了相同的8x8特徵矩陣,主要的特徵我們捕獲到了,同時又將問題的規模從16x16降到了8x8,而且具有平移不變性的特點。圖中的a(或b)表示,在原始圖片中的這些a(或b)位置,最終都會映射到相同的位置。
(2)旋轉不變性:
下圖表示漢字“一”的識別,第一張相對於x軸有傾斜角,第二張是平行於x軸,兩張圖片相當於做了旋轉,經過多次max pooling後具有相同的特徵。
(3)尺度不變性:
下圖表示數字“0”的識別,第一張的“0”比較大,第二張的“0”進行了較小,相當於作了縮放,同樣地,經過多次max pooling後具有相同的特徵。
注:這三種操作只能保證小幅度的變換,如果變換幅度較大,池化層並不能保證這種局部不變性。
池化層:
maxpooling除了剛剛所講的有局部不變性,還有可以提取顯著特徵的同時降低模型的參數,從而降低模型的過擬合。
因爲只是提取了顯著特徵,而捨棄了不顯著的信息,是的模型的參數減少了,從而一定程度上可以緩解過擬合的產生。
2,yolo v3爲什麼沒有用池化層
3.,1*1 3*3卷積的不同以及優點
4,如何resize Yolo3
參考鏈接: