CNN是怎样一步步工作的?

非常形象详细的博客链接链接2

为了完成我们的卷积,我们不断地重复着上述过程,将feature和图中每一块进行卷积操作。最后通过每一个feature的卷积操作,我们会得到一个新的二维数组。这也可以理解为对原始图像进行过滤的结果,我们称之为feature map,它是每一个feature从原始图像中提取出来的“特征”。 其中的值,越接近为1表示对应位置和feature的匹配越完整(定位角点和语义分割进行识别也是这个道理吧),越是接近-1,表示对应位置和feature的反面匹配越完整,而值接近0的表示对应位置没有任何匹配或者说没有什么关联。

猜你喜欢

转载自www.cnblogs.com/inception6-lxc/p/9940745.html