全连接的结构有没有什么弊端呢?
答:参数过于多,无论从效果还是效率上来说,都存在着很大的问题。
卷积神经网路有一个重要的特性,就是他会做一个权重的共享。
权重共享:每个特征图上,每个点,都进行权重共享。
权重共享的特性:如上图所示,每个特征图上,只有5*5*3个特性,一共75个参数就OK。还有一个偏置,一共76个参数。如果提取了十个特征图,那么只需要760个参数就可以了,相比传统的神经网络来说,省了太多。
池化层
假设我们现在有这样一个特征图,大小为224*224*64
池化层的意思就是选出一个窗口,之后将窗口里的特征进行压缩。
压缩方式也比较简单,一般来说有两种压缩方式,一种是mean方式,一种是max方式。
以下例子是MAX POOLING
现在我们可以完整的看一下卷积神经网络的工作流程。
step1:假设小车是我们的一个输入。
step2:将我们输入的图像进行一次卷积
step3: 用RELU函数进行激活
step4:将我们输入的图像进行一次卷积
step5:用RELU函数进行激活
step6:之后进行池化层操作
通过不断的卷积核不断的池化操作,要对特征不断的进行提取。
最后我们拿到了最后的特征FC,我们用最后的特征去做一些任务。